LLManager: AI-инструмент для автоматизации согласований с функцией памяти 86

小编 ·

LLManager: AI-инструмент для автоматизации согласований с функцией памяти

LLManager — это интеллектуальный инструмент согласования на базе LangGraph для управления различными запросами на утверждение. Он учится на исторических решениях с помощью динамической генерации подсказок и механизмов рефлексии, оптимизируя будущие результаты согласования. Пользователи могут настраивать критерии одобрения и отклонения, поддерживается несколько моделей. Подходит для корпоративных согласований, модерации контента, обслуживания клиентов и других сценариев, таких как кадровые согласования и проверка текстового контента, и постоянно совершенствует свои решения благодаря рефлексии и обучению.

LLManager: AI-инструмент для автоматизации согласований с функцией памяти

Что такое LLManager?

LLManager — это интеллектуальный инструмент утверждений на основе LangGraph, предназначенный для управления различными запросами на утверждение. Он учится на исторических решениях с помощью динамической генерации подсказок и механизма рефлексии, оптимизируя будущие результаты утверждений. Пользователи могут настраивать критерии утверждения и отклонения, а также поддерживается несколько моделей. Он подходит для таких сценариев, как корпоративные утверждения, модерация контента и клиентское обслуживание, например, утверждения в отделе кадров, утверждения текстового контента и т.д., а также может постоянно улучшать свои способности принятия решений посредством рефлексии и обучения.

LLManager:一款具备记忆能力的审批自动化AI工具.webp

Функциональные возможности LLManager

  • Управление процессами утверждения: LLManager — это рабочий процесс на основе LangGraph, специально разработанный для управления запросами на утверждение. Он обрабатывает различные запросы на утверждение с помощью динамической композиции подсказок и механизма рефлексии, а также способен учиться и совершенствоваться со временем.

  • Пользовательская конфигурация: пользователи могут настраивать процесс утверждения, задавая approvalCriteria (критерии утверждения) и rejectionCriteria (критерии отклонения). Кроме того, можно указать используемую модель (modelId), по умолчанию используется anthropic/claude-3-7-sonnet-latest.

  • Обучение и совершенствование: LLManager учится на прошлых решениях по утверждению с помощью механизма рефлексии и генерирует новые подсказки для улучшения будущих результатов утверждения.

  • Динамическая генерация подсказок: в процессе утверждения LLManager динамически генерирует подсказки на основе исторических данных и результатов семантического поиска, помогая модели лучше понять текущий запрос.

Принцип работы LLManager

После получения запроса сначала через подграф вывода генерируется «отчёт о выводе» о том, следует ли утвердить запрос, в сочетании с прошлыми случаями и рефлексией для извлечения динамического контекста. Затем на основе отчёта о выводе и контекста формируется окончательное заключение. После этого запрос переходит на этап ручной проверки, где человек решает, принять, изменить или отклонить запрос. Если человек изменяет заключение или объяснение, система переходит в подграф рефлексии, генерирует новую рефлексию и сохраняет её для оптимизации будущих решений по утверждению.

LLManager工作原理.webp

Сценарии применения LLManager

  • Корпоративные процессы утверждения: LLManager может использоваться для различных внутренних процессов утверждения в компаниях, таких как возмещение расходов, заявки на отпуск, утверждение проектов и т.д., повышая эффективность утверждения с помощью автоматизации и интеллектуальных методов.

  • Модерация контента: на платформах публикации контента LLManager может использоваться для проверки пользовательского контента, обеспечивая его соответствие правилам платформы.

  • Клиентское обслуживание: в сценариях клиентского обслуживания LLManager может использоваться для обработки клиентских запросов, автоматического определения соответствия запроса стандартам обслуживания и формирования соответствующих рекомендаций по обработке.

Как использовать LLManager

1. Настройка среды:

  • Клонируйте репозиторий LLManager:

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

cd llmanager
yarn install
  • Настройте файл .env, указав необходимые API-ключи и другую информацию.

2. Запуск сервера разработки:

  • Запустите сервер разработки:

yarn start
  1. Это запустит сервер LangGraph в памяти, обычно работающий по адресу http://localhost:2024.

3. Запуск оценки:

  • Запустите сквозную оценку:

yarn test:single evals/e2e.int.test.ts
  • Запишите UUID ассистента, сгенерированный в процессе оценки, для последующих операций.

4. Использование Agent Inbox:

  • Перейдите на сайт dev.agentinbox.ai и добавьте новый почтовый ящик.

  • Введите UUID ассистента, URL развёртывания (например, http://localhost:2024) и пользовательское имя.

  • Просматривайте и обрабатывайте запросы на утверждение через Agent Inbox.

репозиторий на github:https://github.com/langchain-ai/llmanager