Przejdź do treści
Salvador Rios on Unsplash

W poprzednim artykule skupiłam się na przetwarzaniu informacji przez modele sztucznej inteligencji w sposób ułatwiający codzienną pracę. Naturalną koleją rzeczy będzie: ale dlaczego sama mam ją wykonywać? Powtarzalne, jasno określone zadania to doskonałe miejsce na współpracę z agentami AI. Tak, korzystam z nich codziennie. I nie, nie do opisywania obrazków.

Mały cel, dokładne instrukcje

Gdy zlecam zadanie agentowi AI, staram się być możliwie dokładna. Opisuję, co ma zostać zrobione, jakie są kryteria wykonania zadania i, co najważniejsze, czego agent ma unikać. To ostatnie ma ogromne znaczenie, bo agent może zrozumieć problem inaczej niż ja, co wpłynie na sposób wykonania powierzonego mu zadania.

Moi agenci AI robią różne rzeczy: piszą kod, przetwarzają dokumenty, tworzą skrypty automatyzujące rutynowe procesy. A na co zwracam uwagę, kiedy deleguję zadania?

Poza typowymi wymaganiami związanymi z polityką prywatności czy bezpieczeństwa, zwracam uwagę na bardzo dokładne planowanie zadań przeznaczonych dla agenta. W zależności od projektu może to przybierać różne formy.

Gdy agent ma napisać kod, moim zadaniem jest stworzyć bardzo dokładną specyfikację, co kod ma zrobić, jakie warunki brzegowe mają być uwzględnione podczas testów, w jaki sposób komunikować błędy i których miejsc w projekcie zmiana ma dotyczyć.

Kiedy proszę o przetworzenie dokumentów, opisuję wymagane formatowanie, zalecam tworzenie i używanie stylów, opisuję strukturę dokumentu końcowego.

A gdy proszę o przygotowanie automatyzacji, agent musi wiedzieć, skąd wziąć dane wejściowe, gdzie ma wylądować wynik, i co powinno nastąpić pomiędzy tymi dwoma punktami. W taki właśnie sposób agent stworzył dla mnie mini narzędzia, których używam bardzo często.

Przykładu nie muszę szukać daleko. Podczas audytu aplikacji mobilnej robię sporo notatek i zrzutów ekranu. Zauważyłam, że wklejanie ich do dokumentu zaraz po wykonaniu bardzo spowalnia mi pracę. Poprosiłam więc agenta o stworzenie mi bardzo prostego formularza WWW włączanego lokalnie na moim komputerze, dzięki któremu mogę zapisać każdą notatkę na szybko, wraz z datą i godziną utworzenia. Ostatnich dziesięć notatek widać też nad formularzem w celu ułatwienia orientacji, a wszystkie umieszczone są w pliku. Gdy skończę audytować dany proces, kopiuję z telefonu wszystkie zrzuty ekranu, które zrobiłam równolegle. Ponieważ zrzuty przenieść muszę raz, na samym końcu, oszczędzam sporo czasu. Skrypt generuje z tego wszystkiego jeden dokument, który oczywiście mogę potem edytować. Jedno małe narzędzie składające się z trzech skryptów w Pythonie. Zysk czasu? Szacuję, że w tym momencie już kilkanaście godzin. A to jedynie najprostszy przykład.

A jak sprawdzam wynik pracy agenta?

Nie ma jednej dobrej odpowiedzi na to pytanie. Nie zawsze dokładnie czytam kod. Ale za każdym razem sprawdzam efekty pracy agenta. Często też zadaję dodatkowe pytania. Choć to agent wykonuje powierzone mu czynności, to nadal ja jestem odpowiedzialna za rezultat. Nie mogę pozwolić mu działać ad hoc, nie daję pełnej autonomii, ale z drugiej strony nie ingeruję na każdym etapie. Agent nie zawsze zaimplementuje daną rzecz tak jak ja, ale to nie oznacza, że zrobi to źle.

Czy agent używa aplikacji na moim komputerze?

Zazwyczaj nie. W poprzednim artykule opisałam powody. Agenci AI mogą do obsługi interfejsu wykorzystywać te same informacje, których używają technologie asystujące, w tym czytniki ekranu. Nie jest to jedyna opcja. Mam jednak obawy, że gdy agent będzie używał tej metody, informacje potrzebne mi do korzystania z komputera nie dotrą do czytnika ekranu. Albo dotrze ich tak wiele w krótkim czasie, że czytnik po prostu nie nadąży z ich przetworzeniem. W efekcie prawdopodobnie stracę dostęp do komputera na czas wykonywania przez agenta powierzonego mu zadania. I nie, wyświetlane w tym czasie piękne animacje, które pokazują działania agenta, nie stanowią dla mnie żadnej informacji zwrotnej.

Gdy chcę, żeby agent uzyskał dostęp do danych aplikacji lub wykonał w niej określone czynności, wolę, żeby nie robił tego za pośrednictwem jej interfejsu użytkownika. Jeśli aplikacja daje taką możliwość, korzystam z serwerów MCP (ang. Model Context Protocol – protokół umożliwiający modelowi interakcję z aplikacją lub narzędziem w określonym celu, zależnym od kontekstu). Serwer MCP udostępnia agentowi pewien zestaw narzędzi, dzięki którym może on uzyskać potrzebne informacje lub wykonać konkretną czynność bez konieczności obsługiwania interfejsu użytkownika. Nie każda aplikacja oferuje taką możliwość, ale jest ich coraz więcej.

Powtarzalne pomyłki

Kiedy agent myli się wielokrotnie przy wykonywaniu tego samego lub bardzo podobnego zadania, albo kiedy pewne wymagania muszę powtórzyć więcej niż kilka razy, robię najczęściej jedną z dwóch rzeczy:

  1. Tworzę plik dla całego projektu z instrukcjami, co ma się wydarzyć podczas wykonania zadania określonego rodzaju. Przydatne, gdy czynności wynikają ze specyfiki projektu (sposób testowania, wytyczne dotyczące stylu, warunki, których spełnienie jest niezbędne w tym projekcie, aby zadanie można było uznać za zakończone).
  2. Tworzę dla agenta umiejętność (z angielskiego skill), którą mogę wykorzystać w wielu projektach. Albo wręcz proszę agenta, żeby sam ją przygotował na podstawie zadania, które właśnie wykonał. W tym drugim przypadku umiejętność prawdopodobnie będzie wymagała dodatkowej edycji. Powinna bowiem opisać najczęstsze warianty postępowania w danej sytuacji lub instruować agenta, kiedy należy doprecyzować i zadawać pytania.

Oczywiście nie wszystkie umiejętności piszę sama. Często są one dostarczane przez twórców serwerów MCP, dostawców narzędzi lub innych programistów z wieloletnim doświadczeniem. Chodzi o to, żeby agent tracił jak najmniej czasu na eksplorację i unikał powtarzania tych samych błędów. Bo cenę jego pomyłek poniosę ja: w tokenach i czasie straconym na wprowadzenie poprawek.

Nie boję się korzystać z agentów AI w codziennej pracy. Wykonywane przez nich zadania oszczędzają mi mnóstwo czasu każdego dnia. Czy sposób, w jaki ich używam, odbiega od standardu, ponieważ jestem osobą niewidomą? Nie umiem odpowiedzieć. Z pewnością jednak zlecam im zadania, które w innym wypadku byłyby żmudne lub wysoce frustrujące.