LyzrCore presenta Autómatas Lyzrque representa un avance significativo en el campo de la automatización de procesos, ofreciendo un marco multiagente de código bajo diseñado para optimizar flujos de trabajo complejos. En su núcleo, el sistema incorpora un sofisticado mecanismo Human-in-Loop, que permite a los usuarios guiar el comportamiento del agente a través de reglas predefinidas. Este enfoque innovador utiliza un agente basado en reglas para verificar la conformidad de las acciones y los resultados con los parámetros especificados por el usuario. La capacidad de aprendizaje adaptativo del marco se mejora al almacenar los resultados de estas verificaciones de conformidad en una base de datos, que posteriormente es consultada por un agente de Generación Aumentada de Recuperación (RAG) en ejecuciones futuras. Este proceso iterativo reduce significativamente las violaciones de las reglas y minimiza los errores al aprender de interacciones anteriores.
Es importante señalar que Lyzr Automata se desarrolló inicialmente como un proyecto experimental, lo que puede haber dado lugar a algunas imperfecciones preliminares. Sin embargo, el equipo de desarrollo está profundamente comprometido con el perfeccionamiento de la estabilidad y la estructura del marco en las próximas versiones, con el objetivo final de ofrecer una solución de automatización sólida y de alta calidad. En el espíritu de innovación colaborativa, los creadores fomentan activamente las contribuciones de la comunidad en general, fomentando un entorno de progreso compartido y avance colectivo de las capacidades del proyecto.
Lyzr Automata es un innovador marco autónomo de múltiples agentes diseñado para la automatización avanzada de procesos. Este sofisticado sistema está diseñado con el objetivo principal de simplificar flujos de trabajo complejos y maximizar la eficiencia y la eficacia. La arquitectura del marco facilita la creación y la implementación de múltiples agentes especializados, cada uno de ellos estrechamente vinculado a tareas específicas.
Una característica clave de Lyzr Automata es su capacidad de permitir que estos agentes y tareas operen de forma independiente, ejecutando las instrucciones proporcionadas para lograr un estado operativo estable.
Para mantener la claridad y la facilidad de uso, el marco está estructurado en torno a cinco bloques fundamentales:
1. Modelos
2. Agentes
3. Herramientas
4. Tareas
5. Tuberías
Este enfoque modular permite una comprensión e implementación más intuitivas del marco, lo que permite a los usuarios integrar y personalizar sin problemas cada componente según sus requisitos de automatización específicos. Al descomponer el marco en estos elementos esenciales, Lyzr Automata proporciona una solución flexible y escalable para una amplia gama de desafíos de automatización en diversas industrias y aplicaciones.
Modelos forman la unidad central del marco Lyzr Automata, lo que facilita la integración de varios modelos LLM e IA en flujos de trabajo de automatización. El marco ofrece clases de modelos preconstruidas para servicios populares como OpenAI y Perplexity, lo que mejora la accesibilidad. Además, los usuarios pueden extender la clase AIModel base para incorporar compatibilidad con modelos personalizados, lo que brinda flexibilidad en la implementación y amplía las capacidades del marco para adaptarse a diversas necesidades de automatización.
Agentes En el marco de trabajo de Lyzr Automata, los agentes funcionan como entidades especializadas, cada una equipada con un rol, una personalidad y una capacidad de memoria definidos. Estos agentes están diseñados para proporcionar dirección y experiencia a los LLM, mejorando así su eficacia en la ejecución de tareas específicas dentro del flujo de trabajo de automatización. Al utilizar estos especialistas dirigidos, el marco de trabajo garantiza respuestas más precisas y adecuadas al contexto de los modelos de IA subyacentes.
Dentro del marco de Lyzr Automata, Herramientas Las herramientas de automatización son componentes críticos que permiten a los agentes realizar las tareas asignadas de manera eficaz. Estas herramientas funcionan como interfaces, facilitando las conexiones entre los agentes y los componentes de software externos, como las API u otros módulos funcionales. Esta capacidad de integración amplía significativamente el alcance y la versatilidad de los procesos de automatización.
El marco ofrece una gama de herramientas preconstruidas para uso inmediato, así como compatibilidad con herramientas de proveedores externos como Llama Hub, lo que mejora su extensibilidad. Para requisitos más especializados, los usuarios pueden utilizar la clase base Tool para crear herramientas personalizadas. Este proceso de personalización implica definir la función de la herramienta, junto con sus parámetros de entrada y salida mediante modelos de Pydantic, lo que garantiza la seguridad de tipos y la validación de datos.
Tareas En el marco de trabajo de Lyzr Automata, las tareas representan las unidades operativas más pequeñas y definen las acciones específicas que deben realizar los agentes. Estos elementos atómicos combinan de manera eficaz agentes y herramientas, y encapsulan los objetivos precisos que se deben lograr dentro del flujo de trabajo de automatización. Al integrar las capacidades de los agentes con las herramientas adecuadas, las tareas brindan una definición clara y concisa de los resultados deseados en el proceso de automatización.
Tuberías En el marco de trabajo Lyzr Automata, se organiza la ejecución de tareas de manera estructurada y secuencial. La implementación actual admite canalizaciones asincrónicas lineales, lo que permite un procesamiento eficiente de las tareas en un orden predeterminado. De cara al futuro, el equipo de desarrollo planea introducir canalizaciones asincrónicas de grafos acíclicos dirigidos (DAG) en futuras versiones, lo que permitirá configuraciones de flujo de trabajo más complejas y flexibles.
Código
Fluir
Este estudio presenta Autómatas Lyzrun innovador marco multiagente de bajo código para la automatización de procesos. Cuenta con un mecanismo Human-in-Loop y aprendizaje adaptativo a través de un agente basado en reglas y un sistema RAG. El marco consta de cinco componentes clave: modelos, agentes, herramientas, tareas y pipelines. Los modelos integran varios LLM, mientras que los agentes actúan como entidades especializadas con roles definidos. Las herramientas conectan a los agentes con software externo, y las tareas combinan agentes y herramientas para definir acciones específicas. Los pipelines organizan la ejecución de tareas de manera secuencial. Aunque inicialmente es experimental, Lyzr Automata tiene como objetivo agilizar flujos de trabajo complejos y fomenta las contribuciones de la comunidad para un mayor desarrollo y refinamiento.
Asjad es consultor en prácticas en Marktechpost. Está cursando la licenciatura en ingeniería mecánica en el Instituto Indio de Tecnología de Kharagpur. Asjad es un entusiasta del aprendizaje automático y del aprendizaje profundo que siempre está investigando las aplicaciones del aprendizaje automático en el ámbito de la atención médica.