ZelfBeheerde Crew

ZelfBeheerde Crew

AI-crews stellen je in staat hele teams van AI-agenten te gebruiken om complexe taken uit te voeren. Het lijkt misschien in het begin verwarrend, maar de crew-aanpak kopieert simpelweg hoe echte teams werken. In elk team heb je individuen met unieke rollen en vaardigheden, die samenwerken om een gezamenlijk doel te bereiken.

Stel je voor dat je een uitgebreid blogartikel wilt maken en publiceren. Het werk begint meestal met een SEO-specialist die zoekwoorden onderzoekt en de inhoud structureert. Zij maken een SEO-brief die wordt doorgegeven aan de tekstschrijver. Als de schrijver klaar is, zal een collega het artikel proeflezen en redigeren om de kwaliteit te waarborgen. En wat met de uitgelichte afbeeldingen of infographics? Een designer helpt daarbij.

Je hebt nu al minstens drie of vier mensen die aan deze content werken. Ze delen een gezamenlijk doel, maar ieder is ergens anders in gespecialiseerd en voert een andere subtaken uit. Laten we eens kijken hoe je dit team kunt kopiëren als een groep AI-agenten.

Benieuwd naar de Flow die we in deze handleiding analyseren? Het is de Advanced Blog Generator en je vindt hem eenvoudig in je Flow-bibliotheek.

Wat is de ZelfBeheerde Crew-component

De ZelfBeheerde Crew-component is een structurele component die agenten en taken groepeert in één team onder leiding van een manageragent. Het vertegenwoordigt slechts één groep, waardoor je meerdere agententeams kunt maken binnen één Flow. De kern van het maken van een AI-crew is het instellen van agenten en hun taken.

De rol van AI-agenten in crews

De ZelfBeheerde Crew-component is enkel een structurele component die groepen agenten samenbrengt. Daarom is de eerste stap naar succesvol gebruik van AI-crews het begrijpen en instellen van de individuele agenten, inclusief de manageragent.

AI-agenten zijn computerprogramma’s die zelfstandig taken kunnen uitvoeren en problemen oplossen. Ze verwerken informatie en ondernemen actie op basis van hun programmering, kennis en doelen.

Agenten zijn niet alleen generatieve AI. Met de juiste tools kunnen ze echte taken uitvoeren zoals e-mails versturen, documenten maken, en meer. In plaats van het vooraf definiëren van starre triggers voor dit gedrag, kunnen agenten zelfstandig beslissen.

In de praktijk hoef je geen gedetailleerde prompts meer te geven voor rigide gecontroleerd generatief gedrag. Het enige wat je hoeft te doen is een agent voorzien van zijn rol, persoonlijkheid en doel, zodat ze weten wie ze zijn en wat hen motiveert.

Lees meer over AI-agenten en hoe je de AI Agent-component gebruikt

Waarom crews beter zijn dan enkelvoudige agenten

Als er een probleem is in de processen van je team, kun je snel het probleem aanwijzen en met een bekwaam teamlid aan een oplossing werken. Stel je nu voor dat je alleen aan de hele taak werkt, en het probleem ontstaat in je eigen hoofd. Dat is veel moeilijker te merken en op te lossen. Hetzelfde gebeurt wanneer je een enkele agent vergelijkt met een crew van agenten.

Wanneer je een enkele agent aanstuurt, geef je hem een complexe taak met weinig tot geen controle over hoe individuele subtaken worden uitgevoerd. Bij complexe taken kan dit tot knelpunten en lagere outputkwaliteit leiden.

Met een crew kun je de hoofdtaak verdelen in specifieke subtaken, waarbij elke subtaak aan een unieke AI-teamlid wordt toegewezen. Het resultaat is een veel professionelere en gedetailleerdere output. Het maakt debuggen ook eenvoudiger, en tot slot kun je door het coördineren van gespecialiseerde agenten veel complexere taken aan.

Het verschil tussen ZelfBeheerde en Sequentiële Crews

Je hebt misschien gemerkt dat er twee verschillende Crew-componenten in je dashboard staan. Het verschil tussen deze types crews zit in de volgorde van de taken en de mate van controle die je hebt.

Laten we teruggaan naar ons marketingteamvoorbeeld. De eerste agent in de rij zou de SEO-specialist zijn. Als het onderwerp onderzocht is, geeft deze de informatie door aan de tekstschrijver. Hier zie je hoe de taak van de SEO-agent is verbonden met de schrijftaak van de Content Writer Agent:

Laten we het eerst hebben over een Sequentiële Crew. Met een Sequentiële Crew worden de taken één voor één uitgevoerd in de exacte volgorde die je in de Flow opgeeft. Zodra een taak klaar is, is dat definitief en gaat de Flow door naar de volgende agent. Dat is ideaal voor eenvoudige processen of processen die minder rekenkracht vereisen.

Laten we focussen op een echte tekstschrijver. Die zal eerst onderzoek doen en daarna schrijven, maar tijdens het schrijven kan blijken dat er meer onderzoek nodig is. Logischerwijs zal men dan heen en weer gaan tussen onderzoek en schrijven voordat men verdergaat naar de volgende stap. De sequentiële crew doet dit niet; zodra een taak klaar is, is die gewoon klaar. Daar komen ZelfBeheerde crews om de hoek kijken.

Met een ZelfBeheerde Crew bepaalt de manager-AI-agent de volgorde van de taken en hoeveel iteraties er nodig zijn. Bij het nemen van beslissingen probeert de AI traditionele organisatiestructuren zo goed mogelijk na te bootsen. Dit maakt het mogelijk om taken te herhalen en meerdere iteraties van het eindresultaat te creëren.

Dankzij de manager-LLM die taken delegeert en toezicht houdt op de uitvoering, kan de ZelfBeheerde Crew met één complexe taak werken. De manager-LLM kan de taak naadloos opsplitsen en subtaken aan de juiste agenten toewijzen. Dit is vooral handig wanneer je weet wat er gedaan moet worden, maar niet zeker bent van het exacte proces en de subtaken.

Hoe gebruik je ZelfBeheerde Crews

De ZelfBeheerde Crew is een structurele component die agenten en taakcomponenten samenbrengt in een groep. Om een ZelfBeheerde Crew te gebruiken moeten we eerst de manageragent, de teamleden en hun taken definiëren. Pas dan kunnen we ze een team maken.

Het instellen van ZelfBeheerde Crews bestaat uit vier stappen:

1. Instellen van individuele AI-agenten
2. Agenten taken geven
3. Instellen van de manageragent
4. De agenten tot een ZelfBeheerde Crew maken

Instellen van individuele AI-agenten

Elk lid van een echt team heeft een rol, doelen en een uniek achtergrondverhaal inclusief ervaringen, persoonlijkheid en een bepaalde stijl. Dat geldt ook voor elke AI-agent.

Laten we bijvoorbeeld focussen op het teamlid tekstschrijver:

• De rol: De functietitel van je agent. In dit voorbeeld is tekstschrijver de rol.
• Het doel: Wat de agent doet en wat het gewenste eindresultaat is. Het verwachte resultaat voor de tekstschrijver is een goed geschreven artikel dat aansluit bij het thema en de SEO-brief.
• Het achtergrondverhaal: Dit geeft weer wie de agent is. Of je het nu wilt of niet, je brengt altijd je persoonlijkheid, manier van denken, woordkeuze en eerdere ervaringen in bij alles wat je doet. Dit is nog zichtbaarder bij creatief werk, zoals tekstschrijven.

Herhaal dit proces voor alle agenten die je in je team wilt gebruiken.

Lees meer over AI-agenten en hoe je de AI Agent-component gebruikt

Agenten taken geven

In ons voorbeeld van bloggen weten we nu wie onze agent is. De volgende stap is om de agent zijn taak te laten weten en hem voor te stellen aan het team.

Wat zijn de taakcomponenten?

In crews krijgt elke agent een taak om uit te voeren. Net als in een echt team kan ieder lid verschillende projectspecifieke taken uitvoeren. De taakcomponenten stellen je in staat deze taken te specificeren en toe te wijzen.

Je zult merken dat er, net als bij de Crew-component, twee mogelijke taakcomponenten zijn—sequentieel en ZelfBeheerd. Omdat dit twee tegenovergestelde manieren zijn om agenten aan te sturen, heeft het geen zin om ze te combineren. Daarom gebruiken we ZelfBeheerde Taken bij een ZelfBeheerde Crew:

Als je een taak in gedachten hebt maar niet weet hoe je hem moet opdelen in kleinere subtaken, kun je alles in één taak schrijven. De manager-LLM is er om taken toe te wijzen en het proces te overzien, zodat elke agent weet wat te doen en wanneer. Het kan de hoofdtaak splitsen en de delen aan de juiste agent toewijzen.

Naast de taak kan elke agent in een crew ook geschikte tools krijgen, waardoor hun werk makkelijker en accurater wordt. In ons voorbeeld gebruikt de onderzoeker de GoogleSearch en URL Retriever tools om het onderzoek te sturen.

Stel nu de taken in. Elke ZelfBeheerde Taak moet een beschrijving, het verwachte resultaat of beide bevatten:

De taakbeschrijving voor de tekstschrijver-agent kan er zo uitzien:

“Gezien de SEO-inhoudsbrief, schrijf een blogartikel van maximaal 1500 woorden. 

Begin nooit een alinea met vage bewoordingen zoals “In het snel veranderende veld van…”. Ga altijd direct naar de hoofdzaak die de paragraaf moet overbrengen. “

Laten we deze taakbeschrijving nader bekijken:

• “Gezien de inhoudsbrief” – De agent weet wat hij met de vorige output moet doen.
• “Schrijf een blogartikel van maximaal 1500 woorden” – De gewenste output van de agent.
• “Begin nooit…..” – Extra instructies om de output aan te passen. Dit kunnen aanwijzingen zijn over taal, woordgebruik, structuur, of wat dan ook dat de agent helpt te maken wat je nodig hebt.

Het verwachte resultaat-veld is optioneel en werkt goed als je een gestructureerde output wilt of zeker wilt zijn dat iets in de output is opgenomen. Bijvoorbeeld, de taak van onze SEO-onderzoeker-agent is het maken van:

Een brief in deze vorm:

SEO-vriendelijke titel:

SEO-vriendelijke metabeschrijving:

SEO-vriendelijke opzet