Vamos começar com a tarefa
Determinamos o resultado útil, os dados iniciais e os limites do trabalho. A escolha do modelo segue-os.
Laboratório de Sistemas de Agentes
Como uma ideia se torna um sistema funcional? Exploramos a arquitetura dos agentes de IA, testamos soluções e compartilhamos as melhores práticas – juntamente com erros e limitações.
Entendemos a estrutura do sistema: qual problema ele resolve, de onde obtém os dados, quais ações realiza e como o resultado é verificado.
Determinamos o resultado útil, os dados iniciais e os limites do trabalho. A escolha do modelo segue-os.
Vinculando papéis, memória e ferramentas. Entendemos por que ele foi projetado dessa forma e o que pode ser substituído.
Comparamos a resposta com a fonte. Analisamos falhas, condições de parada e decisões que cabem à pessoa.
Mostramos o andamento da pesquisa e as bases para as conclusões. Discutimos onde a abordagem é útil e onde acrescenta complexidade.
O código é um meio de implementação. Compreender o processo ajuda você a escolher os produtos com sabedoria.
Para construir seu agenteEstamos reunindo um auxiliar para as tarefas diárias do departamento comercial: análise de receita e dinâmica, análise de solicitações com base na correspondência do cliente e preparação de relatórios. O agente encontra a necessidade do cliente, o status da solicitação e o próximo passo, apoiando a resposta com cálculos e orçamentos.
Divulgamos a previsão de vendas via estimativa básica da demanda esperada e reabastecimento do armazém. O agente encontra um cálculo pronto com base no histórico de vendas em documentos analíticos e ajuda a verificar suas suposições.
Dez etapas levam do primeiro cálculo ao relatório do evento. Interface de voz adicional permite ditar uma solicitação, confirmar o texto reconhecido e ouvir a resposta.
Conectamos a tabela de vendas. O agente seleciona o cálculo desejado e exibe o resultado junto com a fonte.
Definimos os campos de solicitação e resposta. Datas, nomes e indicadores são reunidos em um único formulário e verificados.
O agente envia uma solicitação para cálculo de catálogo, vendas ou dinâmica. Cada rota termina com um resultado claro.
O sistema salva o gestor, período e indicador. Um breve esclarecimento dá continuidade à análise tendo em conta o pedido anterior.
Cada ação recebe um identificador. Os casos de teste ajudam a comparar os resultados após as alterações.
Analisamos aplicações com base em correspondência e documentos de clientes. O agente encontra os termos e acordos, mostra a cotação exata e a fonte.
Adicionamos vendas, saldos e documentos de diferentes fontes. Os direitos de acesso determinam as ações que um agente pode realizar.
Coletamos cálculos e fontes em uma sequência. O resultado é aberto como um relatório pronto no navegador.
Configuramos funções, confirmação de ações significativas e backup. A instância de trabalho é validada por uma solicitação do usuário.
Um novo arquivo ou agendamento inicia o relatório. A fila armazena o evento, tenta novamente a operação após uma falha e evita duplicatas.
Dite uma pergunta sobre vendas, solicitações ou previsão de demanda, verifique o texto reconhecido e confirme o envio. No projeto do agente, a interface de voz transmite a solicitação para as mesmas ferramentas e permite ouvir a resposta pronta após configurar o reconhecimento e a narração.
Análise da interação por vozSolicitações de exemplo
01 / Vendas
“Qual é a receita total de janeiro de 2026 com base nos dados de vendas?”
02 / Análise de Aplicativos · RAG
“Quais documentos são solicitados no requerimento req-0003 e como terminou o requerimento conforme a correspondência?”
03 / Previsão de vendas
“Como os saldos se comparam com a demanda prevista para a data de entrega com base nos dados de agosto e quais premissas são incluídas no cálculo?”
SignificadoReconhecer fala e mostrar texto de consulta
ControleConfirme o texto antes de enviá-lo ao agente
ResultadoMostre o resultado com a fonte e expresse a resposta
Desde projetar o sistema até verificar o resultado. Abra uma única pergunta ou expanda todas as respostas de uma vez.
Agents Effect Lab é um laboratório de sistemas de agentes. Aqui exploramos a arquitetura dos agentes de IA, analisamos as ferramentas e compartilhamos experiências de design. A base para as decisões é importante nos materiais: qual tarefa é definida, como o resultado é confirmado e onde permanecem as limitações. O sistema central em foco é o agente-assistente do departamento de vendas.
Um agente assistente do departamento de vendas ajuda a analisar receitas e dinâmicas, resolver solicitações de correspondência de clientes e preparar relatórios. Para prever as vendas, ele utiliza o cálculo da demanda esperada e das necessidades de reposição disponíveis nos documentos. A interface de voz permite ditar uma solicitação, confirmar o texto e ouvir a resposta. Cálculos e conclusões podem ser verificados com fontes.
O chat é uma forma de interação e um agente é uma forma de organizar o funcionamento do sistema. O agente pode escolher a próxima etapa e acessar as ferramentas dentro das regras especificadas. Ao mesmo tempo, o chat também pode ter acesso a pesquisas e arquivos. A diferença é determinada pela independência das ações e pela estrutura do processo, e não pelo tipo de janela de correspondência.
A arquitetura conecta a tarefa, dados, funções, ferramentas e verificação do resultado. Ele permite determinar antecipadamente o que o sistema pode fazer e quando deve parar. Sem estas soluções, a substituição de um modelo ou ferramenta raramente eliminará a causa do erro. Portanto, no laboratório, consideramos primeiro o desenho do processo, depois os meios de sua implementação.
O agente calcula as vendas por gestor e período, compara indicadores e encontra informações na aplicação: necessidade do cliente, condições, status, motivos de recusa e próximo passo. A análise é baseada na correspondência disponível e nas seções analíticas prontas. Para planejar as vendas, o agente auxilia no estudo da avaliação da demanda e da reposição do armazém com premissas de cálculo. O gestor verifica os motivos e toma uma decisão.
A previsão de vendas é representada por uma estimativa básica da demanda esperada e das necessidades de reposição. O cálculo concluído usa a média diária de vendas de agosto, prazo de entrega e estoque de sete dias; o agente encontra-o em documentos analíticos e ajuda a resolver as suposições. Este é um cálculo baseado em um conjunto de demonstração com um breve histórico. Aplicá-lo ao seu negócio requer dados atualizados e suposições de testes.
Para compreender a arquitetura, é mais importante ser capaz de descrever a tarefa, o fluxo de dados e os critérios de resultado. O código torna-se essencial ao implementar lógica personalizada, conectar sistemas e testar comportamento. Ferramentas visuais podem facilitar a montagem, mas problemas de acesso, status e erros permanecem independentemente do método de implementação escolhido.
A escolha começa com os requisitos: quais fontes estão disponíveis, quais ações são necessárias, onde os dados são armazenados e como os erros são verificados. As limitações da ferramenta, os custos operacionais e a viabilidade de substituição são então avaliados. A popularidade de um produto não confirma, por si só, a sua adequação. No blog analisamos n8n, LangGraph, MCP e outras ferramentas através de sua função no sistema.
O projeto inclui tabela de vendas, catálogo, saldos de armazém, documentos e correspondência de clientes. O conjunto de demonstração estendido contém 50 solicitações: sua correspondência e seções analíticas prontas estão disponíveis por meio de pesquisa de documentos. Para cálculos arbitrários baseados em novos dados estruturados e alterações em pedidos no CRM, será necessária uma conexão separada. O acesso à correspondência leva em consideração a função e o gestor responsável.
O banco de dados vetorial armazena representações numéricas de objetos e permite encontrar distâncias próximas com base na medida selecionada. Ao trabalhar com texto, isso ajuda a procurar correspondências semânticas, mesmo quando o texto é diferente. A proximidade não prova a veracidade de uma afirmação. Filtros e pesquisa de texto completo podem ser necessários para códigos, datas e nomes exatos.
RAG é uma abordagem na qual o sistema primeiro encontra informações nas fontes e depois as repassa ao modelo para preparar uma resposta. Isto ajuda a vincular a resposta aos documentos disponíveis. O resultado depende da qualidade da busca, seleção dos fragmentos e verificação dos links. A mera presença de um RAG não garante precisão e não exclui conclusões não confirmadas.
Contexto – informações disponibilizadas ao modelo em uma solicitação específica. A memória são dados armazenados que o sistema pode selecionar para acesso posterior. Estes podem ser acordados com base nas condições da tarefa ou nos resultados de ações anteriores. A memória exige regras de seleção, retenção e exclusão: o acúmulo de toda a correspondência muitas vezes acrescenta informações desatualizadas e contradições.
A validação compara declarações com fontes e critérios de problemas. Toda conclusão significativa deve ter uma base acessível; os cálculos requerem verificação separada. É útil distinguir entre factos, suposições e lacunas de dados. O tom assertivo da resposta e a presença de referências não provam, por si só, que a fonte realmente apoia a conclusão.
O comportamento correto é indicar falta de dados, esclarecer a solicitação ou interromper. Uma pesquisa repetida é útil se as condições de origem ou seleção mudarem. A repetição infinita não cria evidências. A arquitetura predetermina o limite de tentativas e a forma de transferir a tarefa para uma pessoa para que a falta de resposta não se transforme em uma conclusão fictícia.
As restrições são definidas nas conexões e serviços: direitos mínimos, operações permitidas, área de dados disponíveis. Ações significativas podem exigir confirmação humana. Uma solicitação textual de um modelo para cumprimento das regras não substitui o controle técnico. O conteúdo de documentos externos é tratado como dados porque pode conter tentativas de substituir instruções.
Múltiplas funções são úteis se as suas responsabilidades e fundamentos de revisão forem verdadeiramente diferentes. Por exemplo, a recuperação de informação e a verificação de asserções podem ser separadas se existirem critérios de resultados comuns. Cada função adicional aumenta o custo e a complexidade da aprovação. A concordância de vários modelos não é uma evidência independente se todos se basearem no mesmo erro.
No aplicativo local, a fala é convertida em texto. O usuário verifica o comando reconhecido e confirma o envio, após o que o agente executa a solicitação com os mesmos direitos de acesso do chat de texto. A resposta pronta pode ser expressa. O reconhecimento e a síntese de fala requerem configuração; a interface de voz é descrita como um recurso de projeto do agente.
O custo e a latência são afetados pelo modelo, tamanho do contexto, número de acessos, pesquisa e ferramentas externas. Novas tentativas e funções adicionais também desperdiçam recursos. É útil comparar soluções com base no custo de um resultado comprovado para uma tarefa específica. O baixo custo de uma resposta individual diz pouco sobre os custos globais se a resposta tiver de ser corrigida múltiplas vezes.
Dez etapas montam sequencialmente um agente - auxiliar do departamento de vendas: cálculos, estrutura de dados, seleção de ferramentas, memória, log, busca de documentos e fontes externas. Em seguida, são adicionados o relatório, direitos de acesso, acionamento de eventos e notificações. O conjunto expandido fornece materiais para análise de aplicações e avaliação de demanda. O controle de voz está conectado a uma etapa adicional: reconhecimento, confirmação do texto e voz da resposta.
Comece com uma tarefa limitada: determinar o resultado esperado, as fontes disponíveis e o método de verificação. Registre ações que exigem sua confirmação. Em seguida, combine o problema com as soluções arquitetônicas do blog e do mapa de materiais do laboratório. Esta ordem ajuda a discutir o sistema específico e suas limitações antes de escolher as ferramentas.
Vamos continuar a pesquisa
Assista às dez etapas de montagem de um agente - um assistente de vendas. Cada etapa adiciona uma nova oportunidade de trabalho.