作为推理核心中具有较大语言模型的自主行为实体，代理人正在从原型转移到生产，其“代理”系统是关键。本文档系统地解释了AgentOps如何通过基于DevOps和MLOP的人力资源，过程和技术集成来实施和有效地管理代理。这为数据分析师了解AI系统的可靠性和规模提供了一个重要的观点。代理测量成功的核心在于业务和技术指标的整合。 “北极星”商业指标（例如用户的收入和参与）是最终指标。同时，代理的目标完成率，任务完成率以及遥测指标的应用（延迟，错误率等）非常重要。反馈人类实体（“高级/步骤”）和详细的监视（跟踪）提供了详细的可观察性并保证基于连续数据的O维修。代理评估框架是其生产响应的基础。该报告表明，主要特征是通过公共参考测试（BFCL，代理银行等）评估的。轨道评估的重点是动作序列和使用指标，例如精确的重合，有序的巧合，任意顺序巧合，精度和记忆的量化。 LLM可以自动评估最终响应作为“试验”。手动评估填补了自动化的局限性并提供了校准信号。通过专家协作，多个代理系统提高了精度，效率，可伸缩性和容错性，从而有效地减少了幻觉和偏见。该评估是基于Oneagent的，更加关注代理商之间的协作和协调，计划的合理性和资源的效率。设计模型，例如层，协作和顺序的协作解决复杂数据挑战，S作为任务和上下文管理的分配。改进的代理搜索（代理抹布）通过迭代推断优化了知识搜索过程。扩展对上下文的有意识咨询，推断几个步骤并选择自适应知识的来源，以验证搜索结果并可以修改。在公司中，知识工作者已成为“代理人”，并使用“助手”和“自动化”代理（例如Google Agent Space和NotesbookLM Enterprises），以提高数据管理和决策效率。为了提高风险和C任务的可靠性，白皮书对“承包商”的演变有积极的态度。通过标准化“合同”以澄清任务，可交付成本，成本和报告机制，代理可以评估，谈判并分为“分包合同”。这增加了AI代理的数据控制能力和商业整合的可预测性，并提供了更标准化的AI服务模型。在Summa中RY，代理技术的演变正在深入重塑数据分析范式和业务自动化。从复杂的指标系统，自动化和手动评估框架到多代理系统的共同化到“签名”模型的标准化，一切都涉及赋予最可控制，可量化和高度可靠性的授权的未来。财务和数据分析师必须积极采用这一趋势，并加深戈达塔·贝南扎（Godata Bernanza）与运营和IA维护的整合，以促进更精确的商业决策和更有效的资源分配。文档链接分享到199IT知识星球。扫描下面的QR码以验证！