LLManager: herramienta de IA para automatización de aprobaciones con capacidad de memoria 83

¿Qué es LLManager?

LLManager es una herramienta inteligente de aprobación basada en LangGraph, diseñada para gestionar diversas solicitudes de aprobación. Aprende de decisiones históricas mediante la generación dinámica de prompts y mecanismos de reflexión, optimizando los resultados de aprobación futuros. Los usuarios pueden personalizar los criterios de aprobación y rechazo, y es compatible con múltiples modelos. Es adecuada para escenarios como aprobaciones empresariales, moderación de contenido y atención al cliente; por ejemplo, aprobaciones de recursos humanos o de contenido textual, y además mejora continuamente su capacidad de decisión a través de la reflexión y el aprendizaje.

Características de LLManager

• Gestión de flujos de aprobación: LLManager es un flujo de trabajo basado en LangGraph, especializado en gestionar solicitudes de aprobación. Procesa diversas solicitudes mediante la combinación dinámica de prompts y mecanismos de reflexión, y es capaz de aprender y mejorar con el tiempo.

• Configuración personalizable: los usuarios pueden personalizar el flujo de aprobación definiendo approvalCriteria (criterios de aprobación) y rejectionCriteria (criterios de rechazo). Además, pueden especificar el modelo a utilizar (modelId), que por defecto es anthropic/claude-3-7-sonnet-latest.

• Aprendizaje y mejora: LLManager aprende de decisiones de aprobación pasadas mediante mecanismos de reflexión, generando nuevos prompts para mejorar los resultados de aprobación futuros.

• Generación dinámica de prompts: durante el proceso de aprobación, LLManager genera prompts de manera dinámica basándose en datos históricos y resultados de búsqueda semántica, ayudando al modelo a comprender mejor la solicitud actual.

¿Cómo funciona LLManager?

Tras recibir una solicitud, primero genera un "informe de razonamiento" sobre la aprobación mediante un subgrafo de razonamiento, combinando casos previos y reflexión para extraer contexto dinámico. A continuación, basándose en el informe de razonamiento y el contexto, genera una conclusión final. Posteriormente, se pasa a una fase de revisión humana, en la que una persona decide si acepta, modifica o rechaza la solicitud. Si la persona modifica la conclusión o la explicación, el sistema entra en un subgrafo de reflexión, generando una nueva reflexión que se almacena para optimizar futuras decisiones de aprobación.

Escenarios de aplicación de LLManager

• Flujos de aprobación empresarial: LLManager puede utilizarse en diversos flujos de aprobación internos de una empresa, como reembolsos de gastos, solicitudes de permisos o aprobaciones de proyectos, mejorando la eficiencia mediante automatización e inteligencia.

• Moderación de contenido: en plataformas de publicación de contenido, LLManager puede emplearse para revisar el contenido generado por los usuarios y garantizar que cumple con las normas de la plataforma.

• Atención al cliente: en escenarios de atención al cliente, LLManager puede procesar solicitudes de clientes, determinando automáticamente si cumplen con los estándares de servicio y generando las sugerencias de gestión correspondientes.

Cómo usar LLManager

1. Configurar el entorno:

• Clonar el repositorio de LLManager:

git clone https://github.com/langchain-ai/llmanager.git

• Instalar dependencias:

cd llmanager
yarn install

• Configurar el archivo .env rellenando las claves de API y la información necesaria.

2. Ejecutar el servidor de desarrollo:

• Iniciar el servidor de desarrollo:

yarn start

1. Esto iniciará un servidor LangGraph en memoria, que normalmente se ejecuta en http://localhost:2024.

3. Ejecutar las evaluaciones:

• Ejecutar la evaluación end-to-end:

yarn test:single evals/e2e.int.test.ts

• Registrar los UUID de los asistentes generados durante el proceso de evaluación para usarlos en operaciones posteriores.

4. Usar Agent Inbox:

• Acceder a dev.agentinbox.ai y añadir una nueva bandeja de entrada.

• Introducir el UUID del asistente, la URL de despliegue (por ejemplo, http://localhost:2024) y un nombre personalizado.

• Visualizar y gestionar las solicitudes de aprobación a través de Agent Inbox.

Repositorio de GitHub:https://github.com/langchain-ai/llmanager