Documentazione dell'infrastruttura Oracle Cloud

Informazioni sulla selezione dell'agente AI

Select AI Agent (framework degli agenti autonomi) è un programma per la creazione e la gestione di agenti interattivi e autonomi all'interno di Autonomous AI Database. Gli agenti ragionano su richieste, strumenti di chiamata, riflettono sui risultati e mantengono il contesto con memoria a breve e lungo termine alimentata da un profilo AI specificato LLM con il pattern di autenticazione ReAct (Reasoning and Acting).

Select AI Agent consente l'uso di strumenti integrati quali RAG e Natural Language to SQL (NL2SQL), procedure PL/SQL personalizzate e API REST esterne per completare i task. Il framework conserva la memoria multi-turn, mantenendo il contesto tra le conversazioni. Insieme, queste funzionalità supportano un'intelligenza artificiale generativa scalabile e contestuale che si integra con i dati e i flussi di lavoro aziendali.

Il pacchetto DBMS_CLOUD_AI_AGENT incapsula i limiti di gestione, orchestrazione e sicurezza. Per informazioni dettagliate, vedere DBMS_CLOUD_AI_AGENT Package.

Argomenti

  • Caratteristiche di alcuni agenti AI
    Le funzioni chiave includono intelligenza integrata, strumenti flessibili, conversazioni contestuali e distribuzione più rapida.
  • ReAct Logica
    Selezionare Agente AI utilizza la logica ReAct (Motivo e azione) in cui l'agente motiva la richiesta, sceglie gli strumenti, esegue le azioni e valuta i risultati per raggiungere un obiettivo.
  • Seleziona architettura agente AI
    Seleziona agente AI organizza il lavoro in quattro livelli: Pianificazione, Uso degli strumenti, Riflessione e Gestione memoria. Questi livelli coordinano il ragionamento, le esecuzioni degli strumenti, la valutazione e le interazioni contestuali a più turni.

Argomento padre: Seleziona agente AI

Funzioni di alcuni agenti AI

Le funzioni principali includono intelligence integrata, strumenti flessibili, conversazioni contestuali e implementazione più rapida.

  • Intelligenza integrata:

    Combina pianificazione, uso degli strumenti e riflessione in modo che gli agenti possano ragionare sulle attività, scegliere ed eseguire strumenti, osservare i risultati, regolare i piani e migliorare le risposte durante la conversazione. Gli agenti pianificano i passi, eseguono gli strumenti, valutano le osservazioni e aggiornano il loro approccio quando i risultati non soddisfano le aspettative. Questo ciclo rafforza l'accuratezza, riduce le rilavorazioni e tiene le conversazioni sotto controllo.

  • Attrezzature flessibili:

    Supporta e utilizza RAG e NL2SQL integrati, procedure PL/SQL personalizzate e servizi REST esterni, senza componenti di orchestrazione o infrastruttura separata, in modo da poter mantenere la logica di base nel database integrando al contempo funzionalità esterne in base alle esigenze.

  • Conversazioni dipendenti dal contesto:

    Mantieni la memoria a breve e lungo termine per mantenere il contesto a turni, personalizzare le risposte, memorizzare le preferenze e supportare il controllo human-in-the-loop per correzioni e conferme durante le sessioni a più turni. La memoria a breve termine mantiene coerente l'attuale dialogo. La memoria a lungo termine registra le preferenze e i risultati precedenti, supportando le interazioni di follow-up e la supervisione da parte dei revisori umani.

  • Scalabile e sicuro:

    Esegui all'interno di Autonomous AI Database, eredita i controlli di sicurezza, l'auditing e le performance, riduci lo spostamento dei dati e standardizza la governance per le implementazioni aziendali e gli ambienti regolamentati su larga scala. Gli agenti traggono vantaggio dalle caratteristiche di sicurezza, audit e prestazioni del database. Mantenere l'elaborazione vicina ai dati riduce lo spostamento e si allinea alle pratiche di governance.

  • Sviluppo più rapido:

    Definisci agenti, task e strumenti con SQL e PL/SQL familiari, riutilizza le procedure esistenti e spedisci le funzioni più velocemente mantenendo la logica vicina ai dati operativi e ai team senza creare un'infrastruttura separata.

Logica ReAct

Select AI Agent utilizza la logica ReAct (motivazione e azione) in cui l'agente motiva la richiesta, sceglie gli strumenti, esegue le azioni e valuta i risultati per raggiungere un obiettivo.

ReAct combina il ragionamento e l'azione in un loop. L'agente pensa, sceglie uno strumento, osserva i risultati e si ripete fino a quando non può presentare una risposta sicura. Il profilo AI dell'utente ha specificato che LLM si alterna tra ragionamento e azioni attraverso gli strumenti. Il database elabora tali azioni e restituisce le osservazioni.

Di seguito è riportato il modello per ogni iterazione:

  1. Query: l'utente fa una domanda o specifica una richiesta. L'agente lo legge, estrae i dettagli chiave e si prepara a pianificare i passi successivi.

  2. Pensiero e azione: l'agente motiva le opzioni, seleziona uno strumento e lo esegue per raccogliere dati o modificare lo stato in base alle esigenze dell'attività.

  3. Osservazione: le osservazioni includono risultati di strumenti o query, messaggi di conferma ed errori. Questi diventano input per il successivo ciclo di ragionamento dell'agente. L'agente registra le osservazioni e controlla se i risultati supportano il passo successivo o la risposta finale.

  4. Risposta finale: dopo un'azione di pensiero e osservazioni di successo, l'agente compone una risposta chiara, spiega decisioni importanti e condivide eventuali passi successivi o azioni di follow-up.

Seleziona architettura agente AI

Seleziona Agente AI organizza il lavoro in quattro livelli: Pianificazione, Uso degli strumenti, Riflessione e Gestione della memoria. Questi livelli coordinano il ragionamento, le esecuzioni degli strumenti, la valutazione e le interazioni contestuali a più turni.

Planning: Planning interpreta la richiesta utente, la suddivide in azioni ordinate, seleziona gli strumenti dei candidati e crea un piano utilizzando il contesto della sessione, i risultati precedenti e le conoscenze pertinenti. L'agente analizza la richiesta, identifica i dettagli mancanti e propone una sequenza ordinata di azioni. Sceglie strumenti che si adattano a criteri, ambito dei dati e risultati attesi.

Uso strumento: Utilizza strumento consente di selezionare ed eseguire lo strumento per ogni azione. I tipi supportati includono RAG, NL2SQL, procedure PL/SQL personalizzate che possono essere aggiunte quando si crea uno strumento e servizi REST esterni come la ricerca Web e l'e-mail. Ogni passo chiama uno strumento con parametri. Gli strumenti integrati gestiscono il recupero e la generazione SQL. Il PL/SQL personalizzato incapsula la logica del dominio. Gli strumenti REST si connettono a servizi esterni.

Riflessione: Riflessione valuta i risultati dello strumento rispetto alle aspettative e procede alla risposta finale. L'agente confronta le osservazioni con l'obiettivo. Se i risultati appaiono errati o se ci sono errori di chiamata degli strumenti o risultati non approvati dall'utente, l'agente rivede il ragionamento, sceglie un altro strumento o aggiorna il piano prima di riprovare. Quando i risultati non si adattano, regola il piano, seleziona diversi strumenti o può porre domande di chiarimento prima di procedere. È possibile eseguire query sui pensieri dell'agente AI utilizzando USER_CLOUD_AI_CONVERSATION_PROMPTS. Per ulteriori informazioni, vedere DBMS_CLOUD_AI Views.

Memory Management: Memory Management memorizza il contesto della sessione e la knowledge base per ogni team agente. La memoria a breve termine contiene messaggi recenti e risultati intermedi per team agente. La memoria a lungo termine registra preferenze, cronologia e strategie, migliorando la continuità, la personalizzazione e la pianificazione. La memoria a lungo termine persiste in tutte le sessioni, migliorando le linee guida e la qualità delle risposte nel tempo tra i team degli agenti.