# Cara kerjanya
<a name="insights-how-it-works"></a>

AgentCore wawasan menjawab tiga pertanyaan tentang perilaku produksi agen Anda: **Mengapa gagal**? **Apa yang diminta pengguna?** dan **Bagaimana cara memecahkan masalah?** 

## Apa yang Anda dapatkan
<a name="insights-what-you-get"></a>

Saat Anda menjalankan wawasan, Anda menerima:
+  **Daftar pola kegagalan yang diprioritaskan** — bukan kesalahan individu, tetapi masalah berulang yang dikelompokkan berdasarkan akar penyebab. Setiap pola memberi tahu Anda apa yang salah dan mengapa. Wawasan terintegrasi dengan kemampuan [AgentCore rekomendasi](optimization-recommendations.md) untuk menghasilkan perbaikan untuk pola kegagalan.
+  **Peta maksud pengguna** — hal paling umum yang ingin dicapai pengguna Anda, diberi peringkat berdasarkan frekuensi.
+  **Ringkasan pola perilaku agen** — bagaimana agen Anda biasanya mendekati masalah dan hasil apa yang dicapai.

Ini sesuai dengan tiga jenis wawasan yang dapat Anda konfigurasikan:
+  `Builtin.Insight.FailureAnalysis`— Deteksi pola kegagalan dan analisis akar penyebab
+  `Builtin.Insight.UserIntent`— Ekstraksi dan pengelompokan maksud pengguna
+  `Builtin.Insight.ExecutionSummary`— Ringkasan dan pengelompokan perilaku agen

## Bagaimana analisis bekerja
<a name="insights-how-analysis-works"></a>

Wawasan memeriksa jejak sesi agen Anda — catatan lengkap pesan pengguna, penalaran agen, panggilan alat, dan tanggapan — dan menghasilkan temuan pada dua tingkat:

### Session-level analisis
<a name="insights-session-level"></a>

Setiap sesi dianalisis secara individual untuk menentukan:
+ Apakah agen mengalami kegagalan selama eksekusi — termasuk kegagalan tersembunyi dalam jejak yang mungkin tidak terlihat oleh pengguna akhir bahkan ketika sesi tampak berhasil
+ Kategori kegagalan apa yang terjadi (kesalahan alat, halusinasi, pilihan alat yang salah, dll.)
+ Langkah spesifik mana dalam eksekusi agen yang menyebabkan kegagalan
+ Apa akar penyebabnya
+ Apa yang pengguna coba capai
+ Pendekatan apa yang diambil agen dan hasil akhirnya

### Penemuan pola
<a name="insights-pattern-discovery"></a>

Setelah sesi individu dianalisis, layanan mengidentifikasi pola berulang di semua sesi dengan mengelompokkan temuan serupa bersama-sama. Untuk analisis kegagalan, ini menghasilkan hierarki tiga tingkat:

1.  **Kategori kegagalan:** Pengelompokan luas seperti “kesalahan eksekusi,” “halusinasi,” atau “tindakan yang salah.”

1.  **Subkategori:** Jenis kegagalan yang lebih spesifik, seperti “pembatasan laju” atau “kesalahan skema alat.”

1.  **Cluster akar penyebab:** Dalam setiap subkategori, akar spesifik yang berulang menyebabkan. Setiap cluster memberi tahu Anda:
   + Apa akar penyebabnya
   + Berapa banyak sesi yang terpengaruh
   + Sesi mana yang dapat Anda periksa untuk detailnya

Untuk maksud pengguna dan ringkasan eksekusi, layanan menghasilkan cluster datar yang diberi peringkat berdasarkan frekuensi.

## Saat berjalan
<a name="insights-when-it-runs"></a>

Anda mengontrol saat wawasan berjalan:
+  **One-time:** Hubungi `StartBatchEvaluation` dengan wawasan kapan pun Anda menginginkan analisis — misalnya, setelah penerapan, setelah lonjakan keluhan pengguna, atau sebagai bagian dari tinjauan mingguan.
+  **Berulang:** Konfigurasikan frekuensi pengelompokan (`DAILY`,`WEEKLY`, atau`MONTHLY`) dan layanan berjalan secara otomatis, memberi Anda laporan berkala tanpa intervensi manual.

## Kategori kegagalan
<a name="insights-failure-categories"></a>

Wawasan mengakui taksonomi luas dari jenis kegagalan agen:


| Kategori | Contoh | 
| --- | --- | 
| Kesalahan eksekusi | Kegagalan otentikasi, sumber daya tidak ditemukan, kesalahan layanan, pembatasan tarif, batas waktu, pelanggaran skema alat | 
| Masalah instruksi tugas | Non-compliance dengan instruksi, kegagalan identifikasi masalah | 
| Tindakan yang salah | Pemilihan alat yang salah, pengambilan informasi yang buruk, permintaan klarifikasi yang tidak tepat | 
| Penanganan konteks | Kegagalan penanganan konteks secara bergantian | 
| Halusinasi | Kemampuan fabrikasi, kesalahpahaman, penggunaan yang salah, fabrikasi sejarah, halusinasi parameter, output alat fabrikasi | 
| Perilaku berulang | Pengulangan panggilan alat, pengulangan permintaan informasi, pengulangan langkah | 
| Kesalahan orkestrasi | Ketidakcocokan penalaran, penyimpangan tujuan, penghentian prematur, penghentian yang tidak disadari | 
| Masalah keluaran LLM | Output yang tidak masuk akal | 
| Ketidakcocokan konfigurasi | Ketidakcocokan definisi alat | 
| Coding-specific | Kelalaian kasus tepi, masalah ketergantungan |