Crea indicaciones eficaces para agentes de IA

TL;DR

Redacta indicaciones claras y específicas para agentes de IA usando lenguaje natural y ejemplos concretos, define comportamientos de respaldo para casos límite y prueba siempre en el Playground antes de implementarlas. Empieza en pequeño, evita la lógica compleja de varios pasos y encadena agentes (uno activa a otro mediante cambios de campo) para flujos de trabajo dependientes. Usa agentes de múltiples acciones para actualizar simultáneamente la misma tarea y aprovecha los campos calculados para dar a los agentes datos a los que no pueden acceder directamente (como la capacidad o las métricas).

• Descripción general
• Buenas prácticas para indicaciones de agentes de IA
• Malas prácticas para indicaciones de agentes de IA
• Consejos de optimización
• Encadenamiento de agentes de IA
• Encadenamiento vs. Múltiples acciones
• Usa campos calculados para ampliar lo que los agentes de IA pueden ver
• ¿Qué sigue?

Descripción general

Las indicaciones bien redactadas son la clave para un comportamiento fiable del agente. Usa estas buenas y malas prácticas, y estos patrones para obtener resultados coherentes.

Buenas prácticas para indicaciones de agentes de IA

• Sé específico sobre lo que quieres que busque el agente de IA.
• Da ejemplos claros de las clasificaciones o acciones que esperas.
• Define comportamientos de respaldo para cualquier caso límite.
• Usa lenguaje natural: escribe como si se lo explicaras a un colega dispuesto a ayudar.
• Prueba tu indicación a fondo en el Playground de pruebas antes de implementarla.

Malas prácticas para indicaciones de agentes de IA

• No crees lógica excesivamente compleja de varios pasos.
• No supongas que el agente de IA entiende la terminología de tu empresa sin explicación.
• No olvides abordar situaciones con información poco clara o incompleta.
• No implementes tu agente de IA sin probarlo antes.

Consejos de optimización

• Empieza en pequeño: Prueba un tipo de agente de IA en una sola carpeta antes de ampliarlo.
• Prueba primero: Valida siempre el comportamiento en el Playground antes de implementarlo.
• Combina agentes: Utiliza Intake Agent y Triaging Agent juntos para gestionar completamente las solicitudes.
• Revisa a menudo: Perfecciona regularmente las indicaciones basándote en los registros de actividad y la opinión del equipo.
• Comunica: Mantén al equipo informado cuando los agentes de IA estén activos y sobre lo que se está automatizando.

Encadenamiento de agentes de IA

La acción de un agente puede activar a otro. Este es el método recomendado para flujos de trabajo donde un paso depende del resultado del paso anterior.

Cómo funciona: El Agente 1 realiza una acción (p. ej., establece el valor de un campo personalizado) → El Agente 2 está configurado para activarse con ese cambio de campo → El Agente 2 ejecuta el siguiente paso.

Ejemplos:

• Clasificación → Asignación: Un agente de clasificación establece el campo Priority → un agente de asignación se activa con los cambios en Priority y asigna en función del nuevo valor.
• Recepción → Enrutamiento: Un agente de recepción valida una solicitud y cambia el estado a "Complete" → un agente de enrutamiento se activa con ese cambio de estado y mueve el elemento a la carpeta correcta.

• Categorización → Notificación: Un agente de categorización establece el campo Type → un agente de notificación se activa con los cambios en Type y publica un comentario dirigido.

Encadenamiento vs. Múltiples acciones

Usa campos calculados para ampliar lo que los agentes de IA pueden ver

Los agentes de IA no pueden acceder a métricas de carga de trabajo, datos de capacidad ni realizar cálculos fiables. Pero los agentes pueden leer campos calculados/fórmula. Crea una fórmula que calcule el valor que necesitas (p. ej., capacidad disponible, porcentaje de retraso, puntuación de riesgo) y el agente podrá leer el resultado y actuar en consecuencia.

¿Qué sigue?

• Limitaciones y solución de problemas de los agentes de IA