انتخاب ابزار: دستیار، قالب، خودکارسازی یا ایجنت؟

برای هر فرصت، ساده‌ترین شکل کافی را انتخاب کن: گفتگو با دستیار، قالب درخواست، ورک‌فلوی خودکار یا ایجنت؛ و بدان پیچیدگی بیشتر چه هزینه‌ای دارد.

بعد از این درس می‌توانی

  • تفاوت دستیار گفتگو، قالب درخواست، ورک‌فلوی خودکار و ایجنت را با معیار «چه کسی مسیر کار را تعیین می‌کند» توضیح بدهد.
  • برای یک فرصت، ساده‌ترین شکل کافی را با درخت تصمیم انتخاب کند.
  • هزینه‌ها و ریسک‌های افزوده هر پله پیچیدگی را برای یک انتخاب نام ببرد.

چرا این درس مهم است

برگ سبز می‌خواست به پرسش «سفارشم کجاست؟» سریع‌تر جواب بدهد. یک مشاور پیشنهاد داد «یک ایجنت هوشمند» بسازند که خودش تصمیم بگیرد کدام سامانه را بگردد، با مشتری گفتگو کند و هر جا لازم شد اقدام کند. سه ماه بعد، ایجنت گاهی جواب درست می‌داد، گاهی بی‌دلیل سفارش را لغو می‌کرد، و هیچ‌کس نمی‌توانست بگوید چرا. همکار دیگری همان کار را با یک قالب درخواست ثابت و یک بازبینی کارمند در دو روز راه انداخت.

هوش مصنوعی شکل‌های مختلفی دارد و «پیشرفته‌ترین» شکل، بهترین نیست. این درس یاد می‌دهد برای هر فرصت ساده‌ترین شکلی را که کافی است انتخاب کنی و بدانی هر پله پیچیدگی چه هزینه‌ای اضافه می‌کند.

مفاهیم کلیدی

یادآوری: زنجیره درخواست و قرارداد خروجی را در دوره «از پرامپت تا خروجی قابل اتکا» دیدی؛ فهرست کارها را در درس قبل.

  • AI Assistant (دستیار گفتگو): گفتگوی مستقیم انسان با مدل؛ انسان در هر نوبت تصمیم می‌گیرد چه بپرسد و با خروجی چه کند.
  • Prompt Template (قالب درخواست): درخواست ثابت و آزموده با جای خالی برای ورودی؛ انسان آن را اجرا می‌کند.
  • Workflow (ورک‌فلو): مسیر از پیش تعیین‌شده‌ای از گام‌ها (با یا بی مدل) که خودکار اجرا می‌شود؛ مسیر را سازنده تعیین می‌کند.
  • AI Agent (ایجنت): سامانه‌ای که مدل در آن خودش تصمیم می‌گیرد چه گامی بردارد و از کدام ابزار استفاده کند.
  • Simplest Sufficient Solution (ساده‌ترین راه کافی): کمترین پیچیدگی‌ای که معیار موفقیت را برآورده می‌کند.

مدل ذهنی

چهار شکل را مثل چهار پله اختیار ببین. پرسش کلیدی در هر پله: چه کسی مسیر کار را تعیین می‌کند؟

چهار پله ابزار هوش مصنوعی: در دستیار گفتگو انسان در هر نوبت مسیر را تعیین می‌کند؛ در قالب درخواست انسان اجرا می‌کند ولی درخواست ثابت است؛ در ورک‌فلو مسیر را سازنده از پیش تعیین کرده و خودکار اجرا می‌شود؛ در ایجنت مدل خودش گام‌ها و ابزارها را انتخاب می‌کند؛ با بالارفتن پله، انعطاف و هزینه و ریسک بیشتر می‌شود.

چهار پله ابزار هوش مصنوعی

با بالارفتن هر پله، کار بیشتری بدون انسان انجام می‌شود، و در عوض هزینه ساخت، هزینه اجرا، سختی اشکال‌زدایی و ریسک بیشتر می‌شود.

این تشبیه کجا غلط است؟ پله‌ها همیشه پشت سر هم نیستند و یک سامانه واقعی ممکن است ترکیبی باشد: ورک‌فلویی که فقط در یک گامش یک ایجنت کوچک دارد، یا قالبی که کارمند در دستیار اجرا می‌کند. «پله» برای فکرکردن به میزان اختیار است، نه دسته‌بندی محصولات تجاری.

گام‌به‌گام

گام ۱: چهار شکل در یک نگاه

شکلمسیر را چه کسی تعیین می‌کندمناسب برایهزینه و ریسک
دستیار گفتگوانسان، در هر نوبتکار متنوع و کم‌تکرار؛ فکرکردن، ایده، پیش‌نویسساخت تقریباً صفر؛ کیفیت به مهارت کاربر وابسته
قالب درخواستانسان اجرا می‌کند؛ درخواست ثابت استکار تکراری که انسان به هر حال در آن حاضر استساخت کم؛ یکنواختی بیشتر؛ هنوز وقت انسان می‌گیرد
ورک‌فلوسازنده، از پیشکار پرتکرار با گام‌های روشن و قابل پیش‌بینیساخت و نگهداری بیشتر؛ قابل آزمون و قابل پیش‌بینی
ایجنتمدل، در حین کارکار باز که تعداد و ترتیب گام‌ها از پیش معلوم نیستبیشترین هزینه و ریسک؛ خطاهای زنجیره‌ای؛ اشکال‌زدایی سخت

مقاله Anthropic درباره ساخت ایجنت همین مرز را این‌طور تعریف می‌کند: در ورک‌فلو، مدل و ابزارها از مسیرهای کدنویسی‌شده از پیش هماهنگ می‌شوند؛ در ایجنت، مدل خودش فرایند و استفاده از ابزار را هدایت می‌کندsrc-anthropic-building-effective-agents.

گام ۲: با ساده‌ترین راه شروع کن

همان مقاله توصیه می‌کند ساده‌ترین راه ممکن را پیدا کنی و فقط وقتی لازم شد پیچیدگی اضافه کنی، چون سامانه‌های ایجنتی معمولاً زمان پاسخ و هزینه را با عملکرد بهتر معاوضه می‌کنندsrc-anthropic-building-effective-agents. ورک‌فلو برای کار روشن پیش‌بینی‌پذیری و یکنواختی می‌دهد، و ایجنت برای کارهای باز است که شمار گام‌ها قابل پیش‌بینی نیست؛ با هزینه بیشتر و خطر خطاهای انباشتهsrc-anthropic-building-effective-agents.

گام ۳: درخت تصمیم

درخت تصمیم انتخاب شکل ابزار: اگر کار کم‌تکرار و متنوع است دستیار گفتگو؛ اگر تکراری است ولی انسان به هر حال حاضر است قالب درخواست؛ اگر پرتکرار است و گام‌ها از پیش معلوم‌اند ورک‌فلو؛ فقط اگر گام‌ها از پیش معلوم نیستند و ارزش کار ریسک و هزینه را توجیه می‌کند ایجنت، با آزمون و محافظ.

درخت تصمیم انتخاب شکل ابزار

بیشتر فرصت‌های کاری در «قالب» یا «ورک‌فلو» تمام می‌شوند. اگر به ایجنت رسیدی، دوباره بپرس: آیا می‌شود مسئله را طوری شکست که گام‌ها از پیش معلوم شوند؟

گام ۴: هزینه هر پله را بنویس

پیش از بالا رفتن هر پله، این را بنویس:

پله بالاترچه اضافه می‌شود
دستیار ← قالبنوشتن و آزمودن قالب (دوره قبل)؛ نگهداری نسخه
قالب ← ورک‌فلوابزار خودکارسازی، اتصال به سامانه‌ها، کلید و دسترسی، مسیر خطا، پایش؛ دیگر انسان هر خروجی را نمی‌بیند
ورک‌فلو ← ایجنتمسیر غیرقابل پیش‌بینی، هزینه متغیر، خطای زنجیره‌ای، آزمون در محیط امن و محافظ؛ مقاله Anthropic آزمون گسترده در محیط ایزوله و محافظ مناسب را توصیه می‌کندsrc-anthropic-building-effective-agents

مثال‌ها

پیاده‌سازی عملی

انتخاب شکل برای شش فرصت. حدود ۱۴ دقیقه. فایل assets/opportunity-cards.md شش فرصت ساختگی برگ سبز دارد. برای هرکدام:

  1. با درخت تصمیم گام ۳، ساده‌ترین شکل کافی را انتخاب کن.
  2. بنویس چرا شکل ساده‌تر کافی نیست (اگر شکلی بالاتر از دستیار انتخاب کردی).
  3. هزینه‌ها و ریسک‌های افزوده آن شکل را از جدول گام ۴ بنویس.

این تمرین به هیچ مدلی نیاز ندارد. پاسخ نمونه در انتهای فایل تمرین است؛ اول خودت تصمیم بگیر.

اشتباه‌های رایج

اشتباهنتیجهکار درست
شروع از ایجنت چون «پیشرفته‌تر» استهزینه، خطای غیرقابل پیش‌بینی، اشکال‌زدایی سختساده‌ترین شکل کافی
خودکارسازی کاری که هنوز قالب آزموده نداردخودکارکردن خروجی بداول قالب آزموده، بعد ورک‌فلو
نام‌گذاری هر ورک‌فلو به‌عنوان «ایجنت»انتظار نادرست و طراحی اشتباهپرسش «مسیر را چه کسی تعیین می‌کند؟»
سپردن اقدام برگشت‌ناپذیر به مدلاقدام ناخواستهاقدام با انسان یا مسیر ثابت با تأیید
نادیده‌گرفتن هزینه نگهداری ورک‌فلوخرابی بی‌صدا پس از تغییر یک سامانهپایش و صاحب مشخص

اشکال‌زدایی

ایجنت گاهی کار درست و گاهی کار عجیبی می‌کند و نمی‌دانی چرا.

مسیر کار به تصمیم مدل سپرده شده، در حالی که گام‌ها از پیش معلوم بودند.

چند اجرا را مرور کن: آیا گام‌ها در اجراهای موفق همیشه یکسان‌اند؟ اگر بله، کار ورک‌فلوست.

گام‌ها را ثابت کن و مدل را فقط در گام‌هایی بگذار که واقعاً قضاوت می‌خواهند.

قالب درخواست خوب کار می‌کند، ولی کارمندان هنوز وقت زیادی صرف کپی و چسباندن داده می‌کنند.

کار پرتکرار است و انسان فقط واسطه انتقال داده است.

زمان کارمند را بین «اجرای قالب» و «بررسی خروجی» تقسیم کن.

نشانه زمان بالا رفتن یک پله است: ورک‌فلویی که داده را خودش می‌آورد و خروجی را برای بازبینی می‌گذارد.

تمرین کوتاه

تمرین · 10 دقیقه

هدف: تشخیص «ورک‌فلو یا ایجنت».

گام‌ها: برای هر توصیف بگو ورک‌فلوست یا ایجنت، با پرسش «مسیر را چه کسی تعیین می‌کند؟».

  1. هر صبح، فروش دیروز از سامانه خوانده می‌شود، مدل یک خلاصه سه‌خطی می‌نویسد و برای مدیر ایمیل می‌شود.
  2. به سامانه می‌گویی «برای کمپین پاییز تحقیق کن» و خودش تصمیم می‌گیرد کدام صفحه‌ها را بخواند، چند بار جست‌وجو کند و کی تمام کند.
  3. هر پیام پشتیبانی طبقه‌بندی می‌شود و بسته به برچسب، به یکی از چهار قالب پاسخ فرستاده می‌شود.
  4. محصولی که «دستیار هوشمند» نام دارد ولی هر بار دقیقاً همان سه گام را به همان ترتیب انجام می‌دهد.

معیار پذیرش: هر چهار مورد درست؛ برای مورد ۴ توضیح اینکه نام محصول ملاک نیست.

راه‌حل نمونه

۱: ورک‌فلو (مسیر ثابت). ۲: ایجنت (مدل گام‌ها و پایان را تعیین می‌کند). ۳: ورک‌فلو، با الگوی مسیریابی. ۴: ورک‌فلو؛ نام تجاری مهم نیست، مهم این است که مسیر را چه کسی تعیین می‌کند.

چالش

تمرین · 25 دقیقه

موقعیت: دو فرصت اولی که در چالش درس قبل از فهرست کارهای خودت انتخاب کردی (یا دو فرصت ساختگی) را بردار.

  1. برای هر فرصت، با درخت تصمیم، ساده‌ترین شکل کافی را انتخاب کن.
  2. بنویس هر پله بالاتر چه چیزی اضافه می‌کرد و چرا لازمش نداری (یا داری).
  3. یک «نقطه ارتقا» تعریف کن: چه نشانه‌ای در آینده نشان می‌دهد وقت رفتن به پله بعد است.

خروجی مورد انتظار: یک کارت انتخاب ابزار برای هر فرصت: شکل انتخاب‌شده، دلیل، هزینه‌ها و ریسک‌های پله‌های بالاتر، و نقطه ارتقا. نیازی به داده واقعی نیست؛ توصیف ساختگی یا ناشناس کافی است.

معیار پذیرش:

  • انتخاب با پرسش «مسیر را چه کسی تعیین می‌کند» توجیه شده است.
  • اگر ایجنت انتخاب شده، توضیح داده شده چرا گام‌ها از پیش معلوم نیستند و چه محافظی لازم است.
  • نقطه ارتقا قابل سنجش است (مثلاً «بیش از دو ساعت در هفته صرف کپی داده»).

راهنما: اگر هر دو فرصت به ایجنت رسیدند، احتمالاً مسئله را به اندازه کافی نشکسته‌ای.

پرسش‌های سنجش

جمع‌بندی

  • چهار شکل: دستیار گفتگو، قالب درخواست، ورک‌فلو، ایجنت؛ تفاوت اصلی این است که مسیر کار را چه کسی تعیین می‌کند.
  • ساده‌ترین راه کافی را انتخاب کن و فقط وقتی لازم شد پیچیدگی اضافه کن.
  • ورک‌فلو برای گام‌های از پیش معلوم، پیش‌بینی‌پذیر و آزمون‌پذیر است؛ ایجنت برای کار باز، با هزینه و ریسک بیشتر.
  • هر پله بالاتر هزینه ساخت، نگهداری، اشکال‌زدایی و ریسک اضافه می‌کند؛ پیش از رفتن بنویسش.
  • اقدام برگشت‌ناپذیر را به مسیر انتخابی مدل نسپار.
  • برای هر انتخاب یک نقطه ارتقای قابل سنجش تعریف کن.

پرسش‌های سنجش

یک آموزشگاه می‌خواهد به پرسش‌های والدین درباره ساعت کلاس‌ها و شهریه، که روزی حدود ۴۰ بار می‌رسد و جوابش در یک سند ثابت است، پاسخ بدهد. ساده‌ترین شکل کافی را با درخت تصمیم انتخاب کن و دلیل بیاور.

پاسخ نمونه و معیار ارزیابی

کار پرتکرار است و گام‌ها از پیش معلوم‌اند (پرسش را بخوان، از سند جواب بده، اگر نیست به انسان بسپار). اگر کارمندی به هر حال پاسخ‌ها را می‌فرستد، قالب درخواست با سند در کانتکست کافی است؛ اگر حجم وقت زیادی می‌گیرد، ورک‌فلو با پیش‌نویس و بازبینی یا پاسخ خودکار فقط برای پرسش‌های ساده و ارجاع بقیه به انسان. ایجنت لازم نیست چون مسیر معلوم است.

  • قالب یا ورک‌فلو را انتخاب می‌کند (1 امتیاز)
  • معلوم‌بودن گام‌ها را دلیل رد ایجنت می‌آورد (1 امتیاز)
  • ارجاع به انسان برای پرسش خارج از سند را می‌آورد (1 امتیاز)
  • ایجنت ← وقتی گام‌ها از پیش معلوم‌اند، ایجنت فقط هزینه و ریسک اضافه می‌کند.

تیمی می‌گوید «ایجنت ما» هر بار سه گام ثابت را انجام می‌دهد، ولی هفته‌ای دو بار گام چهارمی هم اجرا کرده که کسی تعریفش نکرده بود و اشکال‌زدایی‌اش سخت است. چه شده و چه پیشنهادی داری؟

پاسخ نمونه و معیار ارزیابی

کار در واقع ورک‌فلوست (سه گام ثابت)، ولی به شکل ایجنت ساخته شده و مدل اختیار انتخاب گام دارد؛ همین اختیار گام ناخواسته را ساخته است. پیشنهاد: گام‌ها را ثابت کن (ورک‌فلو) و مدل را فقط در گام‌هایی بگذار که قضاوت می‌خواهند؛ این‌طور رفتار قابل پیش‌بینی و آزمون‌پذیر می‌شود.

  • تشخیص می‌دهد کار ورک‌فلوست (1 امتیاز)
  • اختیار مدل را علت گام ناخواسته می‌داند (1 امتیاز)
  • ثابت‌کردن مسیر را پیشنهاد می‌کند (1 امتیاز)
  • مدل قوی‌تر ← مدل قوی‌تر هم اختیار انتخاب گام دارد؛ مشکل در طراحی است.

قالب درخواستی برای پیش‌نویس پاسخ‌ها خوب کار می‌کند. مدیر می‌خواهد آن را به ورک‌فلوی خودکار تبدیل کند که پاسخ را بدون دیدن کارمند بفرستد. سه هزینه یا ریسکی را که این پله اضافه می‌کند نام ببر و یک راه میانه پیشنهاد بده.

پاسخ نمونه و معیار ارزیابی

هزینه و ریسک: (۱) ساخت و نگهداری ابزار خودکارسازی و اتصال به سامانه‌ها؛ (۲) کلید و دسترسی و مسیر خطا و پایش لازم می‌شود؛ (۳) انسان دیگر هر خروجی را نمی‌بیند، پس پاسخ نادرست مستقیم به مشتری می‌رسد. راه میانه: ورک‌فلو داده را بیاورد و پیش‌نویس را در صف کارمند بگذارد؛ ارسال با یک کلیک تأیید. پس از سنجش کیفیت، شاید پاسخ خودکار فقط برای دسته‌های کم‌ریسک.

  • دست‌کم دو هزینه یا ریسک درست (1 امتیاز)
  • حذف دید انسانی را ریسک اصلی می‌داند (1 امتیاز)
  • راه میانه با صف تأیید پیشنهاد می‌دهد (1 امتیاز)
  • هزینه‌ای ندارد ← هر پله ساخت، نگهداری و ریسک جدید اضافه می‌کند.

کدام توصیف یک ایجنت است، نه ورک‌فلو؟

  • هر شب گزارش فروش خوانده، خلاصه و ایمیل می‌شود.
  • هر پیام طبقه‌بندی و به یکی از چهار قالب پاسخ فرستاده می‌شود.
  • سامانه با هدف «پیدا کردن سه پخش‌کننده مناسب» خودش تصمیم می‌گیرد چه جست‌وجو کند، کدام صفحه را بخواند و کی تمام کند.
  • کارمند قالب درخواست ثابتی را برای هر کتاب تازه اجرا می‌کند.
پاسخ نمونه و معیار ارزیابی
  • a ← گام‌ها ثابت و از پیش تعیین‌شده‌اند؛ ورک‌فلوست.
  • b ← طبقه‌بندی و فرستادن به مسیر ثابت (مسیریابی) یک الگوی ورک‌فلوست.
  • d ← انسان قالب ثابت را اجرا می‌کند؛ این قالب درخواست است.

برای فرصت «ثبت فاکتورهای خرید در صفحه‌گسترده» (هفته‌ای ۲۰ فاکتور، خطا هزینه مالی دارد) شکل را انتخاب کن و بگو ریسک خطای مالی را چطور کنترل می‌کنی.

پاسخ نمونه و معیار ارزیابی

ورک‌فلو: گام‌ها معلوم‌اند (خواندن فاکتور، استخراج ساختاریافته با Schema، اعتبارسنجی، ثبت). کنترل ریسک: اعتبارسنجی سه‌سطحی (شکل، Schema، معنا؛ مثلاً جمع اقلام برابر مبلغ کل)، و ثبت نهایی فقط پس از تأیید انسانی، یا دست‌کم بازبینی همه فاکتورهای بالای یک مبلغ.

  • ورک‌فلو را انتخاب می‌کند (1 امتیاز)
  • اعتبارسنجی ساختاریافته یا قاعده معنایی می‌آورد (1 امتیاز)
  • تأیید انسانی پیش از ثبت نهایی را می‌آورد (1 امتیاز)
  • دستیار گفتگو ← برای ۲۰ فاکتور در هفته، کپی و چسباندن دستی وقت زیادی می‌گیرد؛ ورک‌فلو با بازبینی مناسب‌تر است.

فایل‌های درس

شش فرصت ساختگی برگ سبز برای انتخاب شکل ابزار

opportunity-cards.md

ابزارها و جایگزین‌ها

  • فهرست کارها از درس قبل — ورودی تصمیم — فایل نمونه درس قبل

منابع

Building effective agents Anthropic 2024-12-19 (page notes tooling has changed since)

دوره

هوش مصنوعی در کار روزمره