Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Agents (Agenti)
Agente UI: agente AI per le attività del browser Web. Utilizzato per l'automazione web dinamica e intelligente. Basta scrivere le istruzioni per farlo navigare nei siti Web, estrarre dati e generare output strutturati.
Agente personalizzato: agente AI per attività complesse. Crea un agente in grado di comprendere le istruzioni in linguaggio naturale e intraprendere azioni utilizzando gli strumenti disponibili. Utilizzato per attività che richiedono ragionamento, giudizio e pianificazione dinamica.
Agenti dell'interfaccia utente
L'agente dell'interfaccia utente è un agente nativo che comprende le istruzioni in linguaggio naturale per eseguire azioni complesse del browser. Può navigare autonomamente nei siti Web, fare clic, digitare, leggere dati e produrre output strutturati ottimizzati per le fasi di automazione a valle. I casi d'uso esemplificativi includono il riepilogo dei prodotti su una pagina Web o il recupero di dati navigando nei siti Web.
Properties
- Titolo
Nome dell'agente step/UI
- Istruzioni
-
In questo campo si scrive il prompt per l'agente in linguaggio naturale. Procedure consigliate durante la scrittura del prompt:
Sii chiaro ed esplicito su ciò che desideri.
Struttura il prompt. Inizia citando prima l' "Attività» o il «Ruolo» e poi le «Istruzioni» per completare l'attività con passaggi numerati
Aggiungi dei vincoli (ad esempio, consulta solo la sezione prodotti) e specifica quando farlo stop/end (ad esempio, interrompi quando trovi le informazioni pertinenti)
Fornisci esempi positivi e negativi (non farlo)
Specificate chiaramente i requisiti di lunghezza (ad esempio, meno di 100 parole) o il formato di output (ad esempio, data in MM/DD/YY formato)
Raccogli il testo tra virgolette triple («"») per scrivere istruzioni su più righe. Esempio:
"""Task: Locate the company's latest annual report. * Visit the provided URL. * Look for the annual report. The report may be titled 'Annual Report', 'Financial Report', 'Year in Review', or similar variations...""" - Output strutturato (opzionale)
Agent Response: nome della variabile a cui assegnare l'output di questa operazione
Come configurare i campi di output strutturati
Aggiungere campi
Fai clic su Aggiungi campo per creare un nuovo campo di output
Inserisci il nome di output: questo diventa il nome della proprietà JSON
Seleziona il tipo dal menu a discesa
Seleziona Obbligatorio se il campo deve essere sempre presente
Aggiungi una descrizione per guidare l'agente AI
Tipi di campo
Stringa: valori di testo (nomi, descrizioni, riassunti)
Numero: valori numerici (conteggi, punteggi, percentuali)
Booleano - True/false valori (contrassegni di stato, domande) yes/no
Oggetto: struttura annidata (raggruppamenti di dati complessi)
Array: elenco di elementi (tag, categorie, valori multipli)
File - Riferimenti ai file (allegati dei documenti, immagini)
Tabella dati - Dati tabulari (set di dati strutturati, report)
Lavorare con tipi complessi
Gli oggetti e gli array possono contenere campi annidati:
Fai clic sulla freccia di espansione (▶) accanto ai campi Oggetto o Matrice
Usa Aggiungi campo all'interno della struttura annidata
Mantieni la nidificazione a un massimo di 2-3 livelli per prestazioni ottimali
Configurazione di esempio
Ecco una semplice configurazione per riepilogare il feedback dei clienti:
{ "orderId": "12345", "numberOfOrders": 3, "hasShipped": true, "orderDetails": { "quantity": 2, "productName": "ABC", }, "tags": ["electronics", "urgent"] }
Questa struttura verrebbe configurata come:
OrderID (String, obbligatorio)
numberOfOrders (Numero, obbligatorio)
hasShipped (booleano, obbligatorio)
OrderDetails (oggetto, obbligatorio)
quantità (numero, obbligatorio)
ProductName (stringa, obbligatorio)
tag (matrice di stringhe, opzionale)
Best practice
Usa nomi di campo descrittivi: aiuta l'IA a capire quali dati estrarre
Aggiungi descrizioni chiare: fornisci un contesto per campi complessi
Contrassegna i campi critici come richiesti: assicurati che i dati essenziali siano sempre presenti
Limita la profondità di nidificazione: mantieni le strutture semplici per prestazioni migliori
Verifica la tua configurazione: verifica che l'output corrisponda alle tue aspettative eseguendo la fase dell'agente e verificando la risposta.
Note importanti
Conoscenze JSON: non conosci JSON? Scopri le nozioni di base su json.org
Nessuna convalida: attualmente, il sistema non convalida la struttura di output: assicurati che l'automazione gestisca i dati mancanti o non corretti
Agenti personalizzati
L'agente personalizzato è un'azione intelligente che elabora gli input in linguaggio naturale per automatizzare passaggi complessi utilizzando funzionalità integrate di chiamata degli strumenti. Utilizza principalmente le integrazioni come interfaccia dello strumento, offrendo al contempo l'estensibilità per utilizzare Code come strumento e altre azioni native come task. human-in-the-loop L'agente fornisce output strutturati e prevedibili ottimizzati per una perfetta integrazione nelle fasi di automazione a valle.
Properties
-
Titolo: nome dell'agente step/custom
-
Modalità: una modalità definisce il funzionamento dell'agente in base al caso d'uso. Le tre modalità disponibili sono: Fast, Pro e Custom. Fast è ideale per attività semplici come riepilogo, classificazione e automazioni ad alto volume, mentre Pro è ideale per attività complesse che implicano il ragionamento e l'orchestrazione di più strumenti o azioni. Fast e Pro sono modalità completamente gestite che non richiedono alcuna configurazione preimpostata in anticipo. In modalità personalizzata, avrai bisogno di un connettore runtime Bedrock e potrai selezionare il modello che desideri utilizzare (spiegato di seguito). È ideale quando avete già un prompt ottimizzato per un particolare modello Bedrock, avete bisogno in particolare di un particolare modello Bedrock per l'Agent o desiderate includere il vostro modello personalizzato o ottimizzato ospitato su Bedrock. In modalità personalizzata, poiché si utilizza il proprio modello da Bedrock tramite un'integrazione, l'inferenza del modello viene fatturata separatamente all'account associato a tale integrazione Bedrock.
-
Istruzioni: in questo campo si scrive il prompt per l'agente in linguaggio naturale. Procedure consigliate per la stesura del prompt:
Sii chiaro ed esplicito su ciò che desideri.
Struttura il prompt. Inizia citando prima l' "Attività» o il «Ruolo» e poi le «Istruzioni» per completare l'attività con passaggi numerati
Per migliorare la precisione nell'utilizzo degli strumenti e guidare l'agente, specifica chiaramente nel prompt quale strumento utilizzare in ogni fase, se applicabile.
Specificate chiaramente i requisiti di lunghezza (ad esempio, meno di 100 parole) o il formato di output (ad esempio, il formato della data) MM/DD/YY
Raccogli il testo tra virgolette triple («"») per scrivere istruzioni su più righe. Esempio:
"""You are content summarization agent. Summarize the last two paragraphs of the provided text, focusing only on the main conclusion."""
-
Azioni: Action è uno strumento che consente all'agente AI di interagire con sistemi esterni o eseguire attività specifiche. Questo è facoltativo. È possibile eseguire l'agente personalizzato senza alcuna azione. Di seguito sono elencate le diverse azioni che possono essere utilizzate nell'agente personalizzato
-
Azioni generali
Crea attività utente: se abilitato, questo strumento consente all'agente di attivare un'attività Human-in-the-Loop (HITL) ogni volta che si blocca e necessita di assistenza durante l'esecuzione. L'agente si ferma e attende l'input umano. L'attività HITL è visibile nel task center. Per ottenere risultati ottimali, l'autore può specificare nel prompt esattamente quando l'agente deve richiamare HITL. Questa opzione è selezionata per impostazione predefinita. L'automazione viene eseguita fino al termine dell'attività.
Codice: l'azione Codice genera ed esegue codice python all'interno di un ambiente python limitato, come le azioni di codice, per risolvere attività che coinvolgono calcoli, manipolazione dei dati ed elaborazione di file. A differenza dei generatori di codice, crea ed esegue attivamente script per raggiungere gli obiettivi, lavorando con Excel, file PDF, vari formati di dati e integrazioni disponibili
Funzionalità chiave:
Operazioni sui file: elabora file Excel multischeda, estrai contenuti, esegui calcoli delle date, applica la formattazione condizionale e carica i risultati su S3
Trasformazione dei dati: conversione tra formati JSON e tabelle, trasposizione di dati, ridenominazione di colonne e unione di tabelle
Calcoli avanzati: generazione di sequenze numeriche ed esecuzione di convalide automatiche
-
Integrazioni: se hai aggiunto azioni di integrazione specifiche, come Salesforce, MS Exchange o Bedrock, al tuo gruppo di automazione, le azioni corrispondenti vengono visualizzate qui per essere utilizzate nell'agente personalizzato. L'autore può quindi selezionare le azioni pertinenti da utilizzare come strumenti per l'agente.
Elenco di integrazioni che possono essere utilizzate come tools/actions nell'agente personalizzato
Simple Storage Service (Amazon S3)
Automazione dei dati Amazon Bedrock
Amazon Comprehend
Amazon Textract
API REST personalizzata
Connettore MCP personalizzato
Microsoft Outlook
Salesforce
-
-
Output strutturato (opzionale)
Configura il tuo agente AI per restituire un output JSON strutturato che le fasi successive possono elaborare. Questa funzionalità è ideale per il riepilogo del testo, la generazione di report, la trasformazione dei dati e l'estrazione di statistiche da contenuti non strutturati. Questo campo è opzionale. Se non si definisce un output strutturato, l'agente restituisce l'output in linguaggio naturale per impostazione predefinita. Utilizzate l'output strutturato quando l'output ha una struttura definita, ad esempio un elenco, una tabella di dati o JSON.
Nota
La configurazione di output strutturata per gli agenti personalizzati segue lo stesso formato degli agenti dell'interfaccia utente. Per istruzioni di configurazione dettagliate, consulta la sezione sull'output strutturato dell'agente UI.
-
Risposta dell'agente: nome della variabile a cui assegnare l'output dell'agente. La risposta segue il formato di output strutturato in uno schema JSON, se definito, altrimenti è un testo in formato libero.
Utilizzo di modelli personalizzati in Custom Agent (Bring your own bedrock model)
Integra i modelli desiderati o personalizzati ospitati in AWS Bedrock con i flussi di lavoro di automazione Quick Suite.
Prima di iniziare, assicurati di disporre di quanto segue:
Un modello ottimizzato distribuito e accessibile in Bedrock AWS
Accesso Quick Suite Admin per la creazione di connettori
Un ruolo IAM con autorizzazioni Bedrock per richiamare modelli
L'ID del tuo modello (ad esempio,)
us.anthropic.claude-3-5-sonnet-20241022-v2:0
Fase 1: Creare un'integrazione con Bedrock Runtime Action seguendo le istruzioni dettagliate in AWS connettori service action
Fase 2: Configura il tuo gruppo di automazione
Crea un gruppo di automazione e collega l'integrazione:
Crea un gruppo di automazione: segui le istruzioni dettagliate in Attività di configurazione
Configura le integrazioni: segui le istruzioni dettagliate in Attività di configurazione
Una volta configurato, il connettore viene visualizzato nell'elenco delle risorse disponibili
Fase 3: Configurazione di un agente personalizzato
Aggiungi e configura un agente personalizzato per utilizzare il tuo modello ottimizzato:
All'interno del flusso di lavoro di automazione, aggiungi un agente personalizzato
Configura le seguenti impostazioni dell'agente:
Titolo dell'agente: inserisci un nome descrittivo per il tuo agente
Istruzioni: inserisci istruzioni personalizzate personalizzate in base al tuo caso d'uso
Modalità: seleziona Personalizzato
Connettore: scegli il connettore Bedrock Runtime (richiesto quando è selezionata la modalità personalizzata)
Modello personalizzato: inserisci l'ID del modello (ad esempio,
us.anthropic.claude-3-5-sonnet-20241022-v2:0), obbligatorio quando è selezionata la modalità personalizzata
Fasi successive
Una volta configurato, l'agente personalizzato utilizza il modello ottimizzato per elaborare le richieste in base alle istruzioni fornite. Ora puoi incorporare questo agente nei flussi di lavoro di Quick Automate.
Nota
Assicurati che l'ID del modello sia formattato correttamente e corrisponda al modello distribuito nel tuo account Bedrock. AWS Puoi trovare l'ID del modello nella console AWS Bedrock sotto i modelli forniti.
Test personalizzati con agenti
Il test personalizzato degli agenti consente di testare singoli agenti indipendentemente dall'intero flusso di lavoro di automazione. Questa funzionalità consente di convalidare il comportamento degli agenti, eseguire il debug delle richieste e iterare in modo più efficiente senza eseguire l'intero flusso di lavoro.
Prerequisiti
Un flusso di lavoro di automazione con almeno un agente personalizzato configurato
Autorizzazioni appropriate per eseguire automazioni nell'area di lavoro
Inizia un test
Nell'area di disegno del flusso di lavoro, passa il mouse sulla scheda dell'agente che desideri testare
Scegli il pulsante Unit test che appare nella parte superiore della scheda
Nella finestra di raccolta delle variabili che si apre, esamina le variabili rilevate automaticamente dal prompt del tuo agente
L'anteprima del prompt mostra tutte le variabili rilevate con evidenziazione
Immettete un valore per ogni variabile
I valori devono utilizzare una sintassi di espressione valida
Se un valore contiene una sintassi non valida, viene visualizzato un messaggio di errore che impedisce l'esecuzione del test
Monitora l'esecuzione del test
Durante l'esecuzione del test, puoi monitorare l'avanzamento nel pannello di controllo sul lato destro dello schermo. Il test salta tutti i passaggi precedenti del flusso di lavoro ed esegue solo l'agente selezionato. Ottieni la stessa esperienza di registrazione di un intero flusso di lavoro.
Rivedi i risultati dei test
Al termine del test, esaminate le seguenti informazioni nel pannello Test:
Scheda metrica (scheda Monitor nella parte superiore del pannello Test)
Tempo totale di esecuzione
Numero di strumenti utilizzati
Numero di attività create
Effettua il login tra
Guarda la scheda Variables (fisarmonica inferiore del pannello Test)
Input: visualizza le variabili di input e i relativi valori
Output: esamina i risultati di output dell'esecuzione dell'agente
Per gli output strutturati, fate clic sul pulsante Visualizza dettagli per scegliere il visualizzatore JSON per aprire la finestra di dialogo Visualizza output:
Scheda Campi: naviga tra i dati utilizzando la visualizzazione della struttura ad albero
Campi: evidenzia i valori corrispondenti selezionando i nodi ad albero nella scheda Campi
Campi di output: valori corrispondenti per le chiavi JSON
Utilizzo di Custom Agent con Build with Assistant
Il principio attuale dell'agente personalizzato è che deve essere menzionato specificamente per farlo invocare in modo coerente, ecco le cose necessarie nel prompt per farlo apparire:
- Function names: `use_inline_agent` - Representation names: "Custom Agent", "Inline Agent" → use `use_inline_agent` - Generic terms: "agentic skills" → default to `use_inline_agent`
Altrimenti, si preferisce utilizzare il modello per creare il flusso di lavoro in modo deterministico.
Tuttavia, in pratica, quando non sono disponibili azioni appropriate, Planner potrebbe scegliere un agente personalizzato come soluzione alternativa. Tuttavia, per richiamare in modo coerente l'agente personalizzato nel flusso di lavoro, si consiglia di utilizzare le frasi precedenti nel prompt.
Esempi di casi d'uso degli agenti
Caso d'uso 1: Agente di classificazione e assegnazione delle e-mail
Ruolo: sei un agente di categorizzazione e assegnazione delle e-mail
Istruzioni: segui questi passaggi:
Passaggio 1: classifica l'e-mail in arrivo in base alla colonna Categoria della tabella di riferimento fornita come conoscenza
Passaggio 2: utilizza il sistema di posta elettronica per inviare una notifica:
Da: [system_email]
A: [team_distribution_email]
Oggetto: [Risultato della classificazione]
Corpo: includi un breve riepilogo che spieghi la classificazione, il ragionamento e i punti chiave dell'e-mail originale
Passaggio 3: Per tutte le categorie valide (eccetto «sconosciuto»), crea un nuovo caso in Salesforce con:
Oggetto: [Oggetto dell'email originale]
Descrizione: problema riepilogato dal corpo dell'e-mail
Priorità: in base all'urgenza dei contenuti () High/Medium/Low
Tipo: seleziona il tipo appropriato () Question/Problem/Feature Request/Other
Stato: 'Nuovo'
Categoria: [Risultato della classificazione della Fase 1]
Fase 4: Se classificato come «sconosciuto»:
Passa a supervisore per la revisione manuale
Aggiungi una nota che spiega perché la classificazione era incerta
In base alla categoria ricevuta dal supervisore, segui i passaggi 2 e 3 e fermati
Se la categoria ricevuta dal supervisore è sconosciuta o non valida, interrompi
