- Replit 的代理程序清除了一个生产数据库 - Zillow 因其购房 AI 亏损了 3.04 亿美元 - iTutor 在 AI 拒绝旧申请者时支付了 36.5 万美元 像这样的 AI 灾难真的可能让你失去工作！ 让我们学习如何构建在生产中不会失败的代理程序（附代码）：

客户面对的AI代理面临的一个主要挑战是，它们要么过快地将问题升级到人类代理（低控制），要么自信地误导用户。 这就是为什么面向用户的AI系统不能仅仅优化准确性。 相反，它们还必须优化“控制”，即代理在不升级的情况下解决问题的频率。 此外，不仅是错误的频率，还有它们的严重性，尤其是即使是最糟糕的0.001%也可能很重要。

今天，让我们使用 Parlant（开源，拥有 12k 星）来构建一个合规的对话金融代理，处理和批准贷款。 Parlant 是一个构建客户面对面代理的框架，能够完全按照指示进行操作。 我下面的帖子解释了它的关键特性。

1️⃣ 创建代理 我们首先定义一个贷款审批代理。 接下来，我们声明一些代理可能需要了解的特定领域术语，以便自信地回答。 查看这个 👇

2️⃣ 旅程 Parlant 引入了旅程的概念。它们向代理人说明了多步骤的对话流程，帮助其按照预期引导用户进行对话。 查看这个贷款批准旅程 👇

这是我们的旅程： - 确定用户想要的贷款类型 - 收集贷款和收入相关的详细信息 - 调用工具检查资格 - 如果不符合资格则结束，否则请他们上传文件 - 调用工具处理上传的文件 - 如果文件无效则结束，否则贷款批准 查看这个👇

3️⃣ 指南 Parlant中的指南告诉代理如何通过条件-行动对来处理特定情况。 这提供了对代理行为的更多控制。 这通过确保代理的行为与业务需求一致来减少不一致。 查看这个👇

我们可以做更多事情来嵌入更多控制，但这个简单的设置本身就提供了一个强大的指令跟随代理。 在下面的视频中，无论我尝试什么来获得贷款批准，代理都拒绝这样做。 你还可以检查确切的推理。 查看这个👇

就这样结束了！ 如果你觉得这很有启发性，请与您的网络分享。 找到我 → @_avichawla 每天，我都会分享关于数据科学、机器学习、大型语言模型和检索增强生成的教程和见解。