是否有人在生产环境中部署了多智能体AI员工?
摘要
关于在生产环境中部署多智能体AI系统的讨论,其中不同的智能体负责规划、执行、沟通和项目管理,询问实际经验与瓶颈。
我知道大多数关于AI员工的讨论似乎都集中在让单个智能体更智能上,但我对相反的方法很好奇。是否有人部署过多智能体AI员工,其中不同的智能体负责规划、执行、沟通或项目管理?哪些做法有效,哪些出了问题,生产中最主要的瓶颈出现在哪里?
相似文章
当底层业务流程存在问题,如何在生产工作流中扩展AI代理?
一位实践者分享了在生产环境中扩展多智能体AI系统所面临的挑战,包括处理影子工作流(未记录的Slack线程和电子表格)、跨系统(ERP到CRM)的上下文丢失,以及跨部门所有权问题。他们向经历过这些现实问题的人寻求建议。
大规模在生产环境中运行AI代理——你遇到了哪些痛点,哪些方法真正有效?
讨论大规模在生产环境中部署AI代理的挑战和成功策略,涵盖常见痛点与有效解决方案。
有没有人真正在生产环境中使用AI代理(面对真实用户,不是演示,也不是10个测试用户)?你的技术栈是什么?有没有人在尝试将代理用于生产后又回归传统代码——为什么?
一个讨论贴,询问关于拥有100+用户的真实AI代理部署情况,涉及技术栈和扩展问题,以及回归传统代码的经验。
有谁在生产环境中运行经过恰当编排的AI代理?
一位开发者寻求推荐用于多代理AI工作流程的生产编排工具,支持分支、重试和人在环审批,因为他们当前基于FastAPI的解决方案已变得难以维护。
使用不同AI代理协作同一项目
探讨了使用多个AI代理协作同一项目的概念,讨论了多代理工作流的挑战与方法。