Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Daten, Betrieb und Tests

Agenten und Dateneigentum

Ein Überblick über die Implementierung von Agenten zeigt Szenarien auf, in denen sich ein Agent auf die Daten eines bestimmten Mandanten stützt. Betrachten Sie in diesem Fall den Datenlebenszyklus und, was noch wichtiger ist, wo sie gespeichert werden. Dies ist besonders wichtig für Branchen und Anwendungsfälle, in denen die Art der Daten beeinflusst, wie ein Agent auf sie zugreift.

AaaS-Anbieter müssen prüfen, wie Datenprobleme in einer Umgebung mit mehreren Mandanten gelöst werden können, was sich auf das Onboarding, die Isolierung und den Betrieb eines Agenten auswirken kann. Die anwendbaren Nuancen und Strategien variieren je nach den Tools, Technologien und Daten, die Sie nutzen. Sie können dies auf viele Arten angehen, was Sie bei der Erstellung eines AaaS-Angebots beachten sollten.

Agentenbetrieb für mehrere Mandanten

Denken Sie beim Aufbau von Agentenumgebungen darüber nach, wie Sie Ihre Agenten bedienen und verwalten können. Als Anbieter benötigen Sie Metriken, Daten, Einblicke und Protokolle, mit denen Sie den Zustand, die Größe und die Aktivität eines Agenten überwachen können. Dies ist in einer Agentenumgebung mit mehreren Mandanten ausgeprägter, in der Sie verstehen möchten, wie einzelne Mandanten Agentenressourcen verbrauchen.

Dies ist in Umgebungen mit mehreren Agenten noch wichtiger, wenn Sie Einblicke in die Interaktionen der Agenten benötigen. Die Möglichkeit, Aktivitäten zwischen Agenten zu profilieren und nachzuverfolgen, kann für die Behebung von Problemen, die sich auf den Umfang, die Genauigkeit und die Effizienz Ihres Systems auswirken, von entscheidender Bedeutung sein.

Betriebsteams können auch LLM-Interaktionen profilieren, um sich ein besseres Bild von den Belastungen zu machen, denen Agenten ausgesetzt sind. LLMs Diese Daten sind für die Optimierung der Agentenimplementierung unerlässlich. Sie können den Betriebsteams auch einen Überblick darüber geben, wie sich Agenten und Mietverhältnisse auf das Gesamtkostenprofil eines Systems auswirken.

Schulung und Test von Multi-Tenant-Agenten

Eine Herausforderung im Zusammenhang mit Gebäudeagenten besteht darin, dass von ihnen erwartet wird, dass sie lernen und sich weiterentwickeln. Das bedeutet auch, dass wir unseren Baustoff testen, ihn verfeinern und seine Genauigkeit verbessern müssen, bevor wir ihn in die Produktion überführen. Es gibt viele Bereiche, in denen Sie überprüfen und beurteilen können, ob Ihr Mitarbeiter die Absicht richtig einschätzt und kategorisiert oder geeignete Tools und Maßnahmen auswählt und einleitet. Die Liste der Variablen ist umfangreich, aber letztendlich geht es darum, sicherzustellen, dass Ihr Agent Ergebnisse erzielt, mit denen Sie Ihre Ziele erreichen.

Es würde den Rahmen dieses Dokuments sprengen, alle wichtigen Aspekte und Prinzipien im Zusammenhang mit dem Testen von Agents zu untersuchen. Beachten Sie jedoch, dass Teststrategien die Komplexität von AaaS-Umgebungen mit mehreren Mandanten erhöhen. Wenn ein Agent beispielsweise über Daten, Speicher und andere Konstrukte verfügt, die kontextuell auf jeden Mandanten angewendet werden, können die Ergebnisse eines Agenten durch die Ressourcen pro Mandant beeinflusst werden.

Wenn Sie einen Agenten verwenden, um ein Szenario zu simulieren, müssen Sie Ihre Simulation möglicherweise für mandantenspezifische Anwendungsfälle erweitern. Dementsprechend müssen Sie die Validierungsverfahren verfeinern, um Fälle zu berücksichtigen, in denen die Validierungskriterien für jeden Mandanten unterschiedlich sind.