Info über Select AI Agent
Select AI Agent (Autonomes Agent Framework) ist ein Programm zum Erstellen und Verwalten interaktiver und autonomer Agents in einer autonomen KI-Datenbank. Agents begründen Anforderungen, rufen Tools auf, reflektieren Ergebnisse und pflegen Kontext mit kurz- und langfristigem Speicher, der von einem KI-Profil angetrieben wird, das LLM mit dem Agent-Muster ReAct (Reasoning and Acting) angibt.
Mit Select AI Agent können Sie integrierte Tools wie RAG und Natural Language to SQL (NL2SQL), benutzerdefinierte PL/SQL-Prozeduren und externe REST-APIs verwenden, um Aufgaben abzuschließen. Das Framework bewahrt den Multi-Turn-Speicher auf und behält den Kontext über Gespräche hinweg bei. Zusammen unterstützen diese Funktionen skalierbare, kontextbezogene generative KI, die in Unternehmensdaten und Workflows integriert werden kann.
Das DBMS_CLOUD_AI_AGENT-Package kapselt Management-, Orchestrierungs- und Sicherheitsgrenzen. Weitere Informationen finden Sie unter DBMS_CLOUD_AI_AGENT Package.
Themen
- Funktionen ausgewählter KI-Agents
Die wichtigsten Features umfassen integrierte Intelligenz, flexible Tools, kontextbezogene Unterhaltungen und eine schnellere Bereitstellung. - ReAct Logik
Select AI Agent verwendet die Logik ReAct (Reasoning and Acting), bei der der Agent Gründe für die Anforderung wählt, Tools auswählt, Aktionen ausführt und Ergebnisse auswertet, um ein Ziel zu erreichen. - KI-Agent-Architektur auswählen
Select AI Agent organisiert die Arbeit in vier Schichten: Planning, Tool Use, Reflection und Memory Management. Diese Ebenen koordinieren Argumentation, Werkzeugausführungen, Evaluierung und Kontext-Multiturn-Interaktionen.
Übergeordnetes Thema: AI-Agent auswählen
Features von Select AI Agents
Zu den wichtigsten Funktionen gehören integrierte Intelligenz, flexible Tools, kontextbezogene Unterhaltungen und eine schnellere Bereitstellung.
-
Integrierte Intelligenz:
Kombiniert Planung, Werkzeugnutzung und Reflexion, damit Agents Aufgaben berücksichtigen, Tools auswählen und ausführen, Ergebnisse beobachten, Pläne anpassen und Antworten während der gesamten Konversation verbessern können. Agents planen Schritte, führen Tools aus, bewerten Beobachtungen und aktualisieren ihren Ansatz, wenn die Ergebnisse Erwartungen nicht erfüllen. Diese Schleife stärkt die Genauigkeit, reduziert Nacharbeit und hält Gespräche auf Kurs.
-
Flexible Werkzeuge:
Unterstützen und verwenden Sie integrierte RAG- und NL2SQL-Prozeduren, benutzerdefinierte PL/SQL-Prozeduren und externe REST-Services ohne Orchestrierungskomponenten oder separate Infrastruktur. So können Sie die Kernlogik in der Datenbank beibehalten und bei Bedarf externe Funktionen integrieren.
-
Kontextbezogene Unterhaltungen:
Behalten Sie das Kurzzeit- und Langzeitgedächtnis bei, um den Kontext über Umdrehungen hinweg beizubehalten, Antworten zu personalisieren, Vorlieben zu speichern und die Kontrolle durch den Benutzer während Multiturn-Sitzungen für Korrekturen und Bestätigungen zu unterstützen. Das Kurzzeitgedächtnis hält den aktuellen Dialog kohärent. Das Langzeitgedächtnis zeichnet Präferenzen und frühere Ergebnisse auf und unterstützt Follow-up-Interaktionen und die Überwachung durch menschliche Prüfer.
-
Skalierbar und sicher:
Führen Sie die autonome KI-Datenbank aus, übernehmen Sie die Sicherheitskontrollen, das Auditing und die Performance, reduzieren Sie die Datenverschiebung und standardisieren Sie die Governance für Unternehmensbereitstellungen und regulierte Umgebungen in großem Maßstab. Agents profitieren von Datenbanksicherheits-, Auditing- und Performanceeigenschaften. Die Verarbeitung in der Nähe von Daten reduziert die Bewegung und passt sich den Governance-Praktiken an.
-
Schnellere Entwicklung:
Definieren Sie Agents, Aufgaben und Tools mit vertrautem SQL und PL/SQL, verwenden Sie vorhandene Prozeduren wieder, und versenden Sie Funktionen schneller, während Sie die Logik nahe an Betriebsdaten und Teams halten, ohne eine separate Infrastruktur aufzubauen.
Übergeordnetes Thema: AI-Agent auswählen
ReAct Logik
Select AI Agent verwendet die Logik ReAct (Reasoning and Acting), in der der Agent die Anforderung begründet, Tools auswählt, Aktionen ausführt und Ergebnisse auswertet, um ein Ziel zu erreichen.
ReAct kombiniert Argumentation und Aktion in einer Schleife. Der Agent denkt, wählt ein Werkzeug, beobachtet Ergebnisse und wiederholt sich, bis er eine sichere Antwort liefern kann. Im KI-Profil des Benutzers wurde LLM als Alternative zwischen Argumentation und Aktionen über die Tools angegeben. Die Datenbank verarbeitet diese Aktionen und gibt die Beobachtungen zurück.
-
Abfrage: Der Benutzer stellt eine Frage oder gibt eine Anforderung an. Der Agent liest ihn, extrahiert Schlüsseldetails und bereitet die Planung der nächsten Schritte vor.
-
Denken und Handeln: Der Agent begründet Optionen, wählt ein Tool und führt es aus, um Daten zu sammeln oder den Status nach Bedarf für die Aufgabe zu ändern.
-
Beobachtung: Zu den Beobachtungen gehören Tool- oder Abfrageergebnisse, Bestätigungsmeldungen und Fehler. Diese werden zu Inputs für die nächste Runde der Argumentation des Agenten. Der Agent zeichnet Beobachtungen auf und prüft, ob die Ergebnisse den nächsten Schritt oder die endgültige Antwort unterstützen.
-
Endgültige Antwort: Nach genügend erfolgreichen Überlegungen und Beobachtungen verfasst der Agent eine klare Antwort, erklärt wichtige Entscheidungen und teilt alle nächsten Schritte oder Folgemaßnahmen.
Übergeordnetes Thema: AI-Agent auswählen
AI-Agent-Architektur auswählen
Select AI Agent organisiert die Arbeit in vier Ebenen: Planning, Tool Use, Reflection und Memory Management. Diese Ebenen koordinieren Argumentation, Werkzeugausführungen, Evaluierung und Kontext-Multiturn-Interaktionen.
Planning: Planning interpretiert die Benutzeranforderung, teilt sie in geordnete Aktionen auf, wählt Kandidatentools aus und erstellt einen Plan mit Sessionkontext, vorherigen Ergebnissen und relevantem Wissen. Der Agent analysiert die Anforderung, ermittelt fehlende Details und schlägt eine geordnete Abfolge von Aktionen vor. Es wählt Tools aus, die zu Richtlinien, Datenumfang und erwarteten Ergebnissen passen.
Tool verwenden: Tool verwenden wählt das Tool aus und führt es für jede Aktion aus. Unterstützte Typen sind RAG, NL2SQL, benutzerdefinierte PL/SQL-Prozeduren, die beim Erstellen eines Tools hinzugefügt werden können, und externe REST-Services wie Websuche und E-Mail. Jeder Schritt ruft ein Tool mit Parametern auf. Integrierte Tools verarbeiten den Abruf und die SQL-Generierung. Benutzerdefiniertes PL/SQL kapselt Domainlogik. REST-Tools stellen eine Verbindung zu externen Services her.
Reflexion: Bei der Reflexion werden die Toolergebnisse anhand der Erwartungen bewertet und die endgültige Antwort erhalten. Der Agent vergleicht Beobachtungen mit dem Ziel. Wenn die Ergebnisse falsch aussehen oder wenn Fehler beim Toolaufruf oder vom Benutzer abgelehnte Ergebnisse vorliegen, ändert der Agent die Argumentation, wählt ein anderes Tool oder aktualisiert den Plan, bevor er es erneut versucht. Wenn die Ergebnisse nicht passen, passt sie den Plan an, wählt verschiedene Tools aus oder stellt vor dem Fortfahren Klärungsfragen. AI-Agent-Gedanken können mit USER_CLOUD_AI_CONVERSATION_PROMPTS abgefragt werden. Weitere Informationen finden Sie unter DBMS_CLOUD_AI Views.
Memory Management: Memory Management speichert Sessionkontext und -wissen pro Agent-Team. Kurzzeitgedächtnis enthält aktuelle Nachrichten und Zwischenergebnisse pro Agent-Team. Das Langzeitgedächtnis zeichnet Präferenzen, Historie und Strategien auf und verbessert Kontinuität, Personalisierung und Planung. Das Langzeitgedächtnis behält nützliches Wissen über Sitzungen hinweg bei und verbessert die Beratungs- und Antwortqualität im Zeitverlauf über alle Agent-Teams hinweg.
Übergeordnetes Thema: AI-Agent auswählen