Buat Agen AI Anda Dapat Diprediksi dengan Rekayasa Grafik - Zachary Blumenfeld, Neo4j

Highlights

• Rekayasa grafik merancang pekerjaan agen sebagai grafik eksplisit dengan node yang melakukan pekerjaan dan edge yang merutekan status.

• Kompilasi material tertulis dan skrip menjadi struktur grafik deterministik menghasilkan peningkatan kinerja dan imbalan tugas agen.

• Pemanfaatan struktur grafik prosedural menurunkan waktu eksekusi proses persetujuan pinjaman dari 7,5 menit menjadi sekitar 2 menit.

• Penyimpanan lapisan pengetahuan di samping data memungkinkan portabilitas sehingga artefak grafik dapat dipindahkan antar runtime agen yang berbeda.

• Penerapan grafik konteks mencakup memori jangka pendek untuk riwayat percakapan serta memori jangka panjang untuk entitas yang diekstrak dan pelacakan keputusan.

Timeline

1. 00:00 - 04:39

   Definisi dan Konsep Dasar Rekayasa Grafik

   Istilah rekayasa grafik muncul sebagai evolusi dari rekayasa prompt dan konteks, yang memfokuskan mekanismenya pada pengelolaan alur kerja agen. Melalui pemisahan jenis grafik menjadi eksekusi, konteks, dan prosedural, sistem dapat mengontrol jalur yang diambil oleh agen secara akurat. Pendekatan ini memungkinkan agen menangani tugas yang lebih besar dan kompleks dengan tingkat akurasi yang lebih tinggi.

   • Rekayasa grafik melibatkan perancangan pekerjaan agen sebagai grafik eksplisit tempat node mengeksekusi pekerjaan dan edge merutekan status.
   • Disiplin ini terbagi menjadi tiga jenis utama yaitu grafik eksekusi umum, grafik konteks, dan grafik prosedural.
   • Manfaat utama dari pendekatan ini meliputi prediktabilitas, kemampuan pengaturan dan tata kelola, serta portabilitas artefak grafik.
2. 04:39 - 10:46

   Lapisan Pengetahuan dan Memori Agen di Neo4j

   Lapisan pengetahuan Neo4j mengintegrasikan sumber data yang beragam seperti basis data transaksional dan dokumentasi markdown ke dalam satu kerangka kerja standar. Dengan menyusun memori dan keterampilan prosedural ke dalam format grafik, pengembang dapat melacak setiap keputusan dan panggilan alat secara transparan. Hal ini memberikan tata kelola yang lebih baik serta kemampuan audit terhadap perilaku agen dari waktu ke waktu.

   • Lapisan pengetahuan Neo4j berada di antara sistem pencatatan data dan runtime agen untuk menyediakan standar interoperabilitas.
   • Grafik konteks menggabungkan memori jangka pendek berupa riwayat percakapan dan memori jangka panjang berupa entitas terstruktur.
   • Kompilasi pengetahuan prosedural menjadi struktur grafik deterministik meningkatkan kinerja model dalam menyelesaikan tugas kompleks.
3. 10:46 - 20:25

   Studi Kasus dan Demo Proses Persetujuan Pinjaman

   Penerapan rekayasa grafik pada proses persetujuan pinjaman menunjukkan bagaimana aturan kebijakan yang rumit dapat dieksekusi secara terprogram oleh agen. Dengan mengonversi alur kerja ke dalam skrip deterministik dan menggunakan model yang lebih efisien, waktu rata-rata eksekusi turun dari 7,5 menit menjadi sekitar 2 menit. Pendekatan ini juga menyediakan visibilitas penuh terhadap jalur keputusan yang diambil oleh sistem.

   • Demo proses persetujuan pinjaman mengombinasikan rencana bisnis PDF, data transaksi Databricks, dan kebijakan peminjaman dalam satu grafik.
   • Kompilasi proses sukses ke dalam format YAML skill berbasis grafik memotong waktu eksekusi dan biaya operasional secara drastis.
   • Inspektor grafik memfasilitasi pelacakan status eksekusi, audit cabang keputusan, serta observabilitas tata kelola sistem agen.