1
Di Luar Chatbot: Arsitektur Agen Otonom
EvoClass-AI005Kuliah 5
00:00

Selamat datang pada peralihan dari konsumsi AI pasif menjadi pengaturan AI aktif. Untuk memahami "Karyawan Digital," kita harus terlebih dahulu membedakan antara chatbot standar dan Agen Otonom. Sementara interaksi LLM tradisional bersifat reaktif—bergantung pada pola sederhana Masukan → Keluaran pola—agen otonom beroperasi dalam lingkaran rekursif yang didefinisikan oleh rumus:

$$ \text{Tujuan} + \text{Pemikiran} + \text{Alat} = \text{Hasil} $$

1. LLM sebagai Unit Pemrosesan Pusat

Dalam arsitektur ini, Large Language Model (LLM) bertindak sebagai "otak" atau CPU. Ia menyediakan logika inti dan kemampuan linguistik, tetapi agar bisa berfungsi sebagai karyawan, ia harus didukung oleh kerangka kerja yang memungkinkan persistensi dan eksekusi.

2. Tiga Pilar Arsitektur Agen

Agar otak ini efektif, ia bergantung pada tiga pilar:

  • Perencanaan: Menguraikan tujuan kompleks menjadi tugas-tugas kecil.
  • Memori: Menyimpan konteks dari interaksi sebelumnya dan data jangka panjang.
  • Aksi: Melaksanakan tugas di dunia digital melalui alat.

Kita tidak lagi hanya memberi instruksi; kita sedang merancang sistem yang mampu mengenali lingkungan dan melakukan koreksi diri saat menemui kesalahan.

Struktur Logika Agen
Pertanyaan 1
Apa yang mewakili "Otak" dari agen otonom dalam arsitektur ini?
Database
Large Language Model (LLM)
Antarmuka Pengguna
Pertanyaan 2
Pilar mana yang bertanggung jawab atas pemecahan proyek kompleks menjadi tugas-tugas kecil yang dapat dikelola?
Aksi
Memori
Perencanaan
Tantangan: Mengidentifikasi Perilaku Agensial
Analisis alur kerja agen otonom.
Anda meminta AI untuk "Cari tiga penerbangan ke New York, pilih yang termurah, dan buat email ke manajer saya."
Langkah 1
Identifikasi langkah "Pemikiran" dalam alur kerja ini.
Solusi:
Pemikiran terjadi ketika agen membandingkan harga tiga penerbangan dan memilih yang paling rendah berdasarkan kriteria pengguna.