代理式AI乍一听似乎是一个无法逾越的项目。我们如何创造出一个总是乐于助人、主动出击的助手，它无所不知，还了解我的一切？答案往往在于将问题分解成更易管理的部分，然后再将它们组合起来，形成强大的系统。这样看的话，人们很快就会意识到代理式AI的一个优点是，许多中间步骤已经以各种形式存在，并可以作为初始构建模块使用。
但是，在代理设置中，这些构建模块是什么？从根本上说，代理式AI由三个主要部分组成：工具、工作流，以及那些神秘的代理。但在这里我们将其分为四个部分，因为在生成式AI的背景下，区分两种不同类型的工具是有用的：使用更传统技术的工具和利用生成式AI的工具。
工具、工作流和代理
工具能完成工作。这可以简单到聚合一些数据、访问外部数据源、对对象进行分类或预测未来事件。这些任务通常是我们过去已经通过各种工具解决的，而这些工具通常是自动化的。
然而，需要注意的是，对于Agentic AI而言，提供内容远比仅仅访问数据源更有用。例如，与其创建一个从CRM中检索数据的工具，不如创建一个获取客户（或多个客户）信息的工具更为有用。这个工具可能仍然在底层访问CRM，但更有可能整合来自几个数据源的数据。同样地，如果一个工具能够提供更多关于用户偏好的信息，而不仅仅是提供原始日历数据的访问权限，那将更加有用了。
智能工具通过利用GenAI来完成工作。
有些人称之为用人工智能增强分析。一个典型的例子是能够翻译或总结文档的工具，或者预测消息情感的工具。这些工具现在比以前更容易实现，比如文档分析曾是一门独立的科学。另一个例子是检查图像的工具，例如确保信息图与公司风格指南一致。
如今，将每一种工具都变成智能工具的风险很大，尽管经典技术可以同样轻松地（而且通常更快、更便宜）解决特定问题。避免陷入“只要我有一把锤子，所有东西看起来都像钉子”的陷阱。
AI工作流排列了一系列工具来解决更复杂的任务。
这可能是一系列的呼吁：
- 首先使用数据聚合工具检索有关客户的信息，然后
- 使用智能文本摘要工具总结这些信息，
- 将其翻译成客户经理的母语，最后
- 通过电子邮件将此信息发送给上述客户经理。
它还可以自动执行以下操作：
- 分析新发布的公开材料，
- 检查是否违反了风格和语调准则
- 告知作者这些问题，并提出改进建议。
请注意，AI工作流本身可以成为其他AI工作流使用的（智能）工具。
从KNIME的角度来看，这可能有点令人困惑。AI工作流侧重于协调工具的排列方式。KNIME工作流可以做更多的事情，它不仅可以控制工具的使用，还可以建模数据和其他控制流程。
代理：这是有趣的地方——或者真正具有代理性的地方。代理可以访问（可能很大）的工具库，并且为每个查询以不同的方式协调它们的使用。
具体如何在后台实现取决于实际的实现方式。代理可以首先使用AI创建一个计划，其中包括要使用的工具的设置和顺序。但是，代理也可以迭代地使用工具，直到它有足够的信息/材料来做出响应或采取行动。
代理使用工具库中的可用工具动态地协调AI工作流
代理有两种类型：
- 能够直接与用户交互功能的代理应用程序
- 在后台运行的Agentic服务，也可以作为工具被其他AI工作流或代理使用。
这个看似简单的设置的真正力量在于能够向仓库中添加新的工具，这些工具可能位于底层、AI工作流程或代理。这些新工具可以由人类设计者添加，也可以源自代理本身的工作，即代理向自己的或其他代理的工具箱中添加更多工具。
仓库中的工具越复杂，使用这些工具的代理能够完成的任务也就越复杂。因此，随着时间的推移，更复杂的行为会自然而然地产生。还记得分而治之吗？小部分组件本身并不复杂，但当它们协同工作时，结果可能会变得非常复杂！
KNIME中文版中的工具、AI工作流和代理
从KNIME中文版的角度来看，所有这些组件都可以通过KNIME中文版工作流自然构建：
- 工具：创建工具，特别是那些利用数据的工具，是KNIME中文版工作流的核心功能之一。
- AI工作流：排列工具调用或构建人工智能工作流是该平台的一大优势。这样一来，KNIME中文版Hub上的空间可以变成各种不同工具的仓库——其中一些工具还利用了不断添加新功能的AI扩展，这些扩展在创建新的AI模型或方法时不断添加功能。
- 代理：使用这些AI功能还可以使KNIME中文版用户通过添加推理提示来构建代理，以生成计划或提示，要求AI将动作引用到一些提供的工具。
KNIME中文版工作流也可用于构建代理应用程序和服务。与使用数据应用或使用端点部署的服务可以作为应用程序部署一样，代理工作流也可以部署在Hub上。
KNIME中文版 Hub既是一个工具库（右），也是一个代理应用程序和服务的市场（左）。
