LLManager : un outil IA d'automatisation des approbations doté d'une mémoire 88

Qu'est-ce que LLManager ?

LLManager est un outil d'approbation intelligent basé sur LangGraph, utilisé pour gérer diverses demandes d'approbation. Il apprend des décisions passées grâce à la génération dynamique de prompts et à un mécanisme de réflexion, afin d'optimiser les futures décisions d'approbation. Les utilisateurs peuvent personnaliser les critères d'approbation et de refus, et plusieurs modèles sont pris en charge. Il convient aux scénarios d'approbation en entreprise, de modération de contenu et de service client, tels que les approbations RH, la modération de contenu textuel, etc. De plus, il peut continuellement améliorer ses capacités décisionnelles grâce à la réflexion et à l'apprentissage.

Fonctionnalités de LLManager

• Gestion des flux d'approbation : LLManager est un flux de travail basé sur LangGraph, spécialement conçu pour gérer les demandes d'approbation. Il traite diverses demandes d'approbation grâce à une combinaison dynamique de prompts et à un mécanisme de réflexion, et est capable d'apprendre et de s'améliorer au fil du temps.

• Configuration personnalisée : les utilisateurs peuvent personnaliser le flux d'approbation en définissant approvalCriteria (critères d'approbation) et rejectionCriteria (critères de refus). De plus, il est possible de spécifier le modèle utilisé (modelId), qui est par défaut anthropic/claude-3-7-sonnet-latest.

• Apprentissage et amélioration : LLManager apprend des décisions d'approbation passées grâce à un mécanisme de réflexion et génère de nouveaux prompts pour améliorer les futures décisions d'approbation.

• Génération dynamique de prompts : pendant le processus d'approbation, LLManager génère dynamiquement des prompts en fonction des données historiques et des résultats de recherche sémantique, aidant le modèle à mieux comprendre la demande en cours.

Fonctionnement de LLManager

Une fois la demande reçue, un sous-graphe de raisonnement génère d'abord un « rapport de raisonnement » indiquant s'il faut approuver, en combinant des cas passés et en extrayant un contexte dynamique via la réflexion. Ensuite, sur la base du rapport de raisonnement et du contexte, une conclusion finale est générée. Vient ensuite l'étape de révision humaine, où une personne décide d'accepter, de modifier ou de rejeter la demande. Si la personne modifie la conclusion ou l'explication, le système entre dans un sous-graphe de réflexion, générant de nouvelles réflexions qui sont stockées afin d'optimiser les futures décisions d'approbation.

Cas d'utilisation de LLManager

• Flux d'approbation en entreprise : LLManager peut être utilisé pour divers flux d'approbation internes à l'entreprise, tels que les notes de frais, les demandes de congé, les approbations de projets, etc., améliorant l'efficacité des approbations grâce à l'automatisation et à l'intelligence.

• Modération de contenu : sur les plateformes de publication de contenu, LLManager peut être utilisé pour modérer le contenu généré par les utilisateurs et s'assurer qu'il respecte les règles de la plateforme.

• Service client : dans un scénario de service client, LLManager peut être utilisé pour traiter les demandes des clients, déterminer automatiquement si la demande répond aux normes de service et générer des suggestions de traitement correspondantes.

Comment utiliser LLManager

1. Configurer l'environnement :

• Cloner le dépôt LLManager :

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

• Installer les dépendances :

cd llmanager
yarn install

• Configurer le fichier .env en y remplissant les informations nécessaires telles que les clés API.

2. Lancer le serveur de développement :

• Démarrer le serveur de développement :

yarn start

1. Cela lancera un serveur LangGraph en mémoire, fonctionnant généralement sur http://localhost:2024.

3. Lancer les évaluations :

• Lancer l'évaluation de bout en bout :

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

• Notez l'UUID de l'assistant généré pendant l'évaluation, qui sera utilisé pour les opérations suivantes.

4. Utiliser Agent Inbox :

• Accédez à dev.agentinbox.ai et ajoutez une nouvelle boîte de réception.

• Saisissez l'UUID de l'assistant, l'URL de déploiement (par exemple http://localhost:2024) et un nom personnalisé.

• Consultez et traitez les demandes d'approbation via Agent Inbox.

Dépôt GitHub :https://github.com/langchain-ai/llmanager