Sabai Agentsv11.51

Przepływ

Jak elementy narzędzia łączą się w jeden przepływ pracy — od promptu, przez agentów i evale, po analizę rozmów. Oraz co dokładnie znaczy każde pojęcie.

Workflow — pętla zwrotna
Prompty
Pisz i wersjonuj
Evale
Oceniaj z LLM
Analiza
Każda sesja zapisana
optymalizacja promptów
Czat i symulacja korzystają z pamięci rozmowy ustawianej per projekt — decyduje, ile historii dostaje agent przy każdej turze.
Prompty
fundament

Prompt to tekst instrukcji systemowej wysyłanej do modelu przed każdą rozmową. Używa zmiennych jak {{language}} czy {{context}}, które są zastępowane rzeczywistymi danymi w czasie rzeczywistym.

Wersjonowanie: każda edycja tworzy nową wersję (v1, v2…). Model, temperatura i max tokenów są częścią wersji — zmiana parametrów = nowa wersja. Zawsze możesz cofnąć.
Orkiestrator
centrum routingu

Orkiestrator dostaje każdą wiadomość jako pierwszy. Czyta ją i zwraca JSON: { route_to: "self" | "activity_agent" | "faq_agent", reason, self_response }. Jeśli route_to != "self" — wywołuje odpowiedni sub-agent.

Temperatura 0.2, tryb JSON — priorytet to przewidywalność. Zmiana prompta orkiestratora wpływa na routing całej aplikacji.
Sub-agenci
wyspecjalizowani asystenci

Każdy sub-agent ma konkretną rolę i route_key — klucz, którym Orkiestrator go wywołuje. Możesz zdefiniować dowolną liczbę sub-agentów dla różnych obszarów tematycznych swojego asystenta.

Możesz dodać własne sub-agenty dla nowych obszarów tematycznych. Każdy ma swój prompt z wersjami i niezależną temperaturę.
Evale
LLM mierzy jakość

Eval to kryterium napisane w zwykłym języku. Model czyta całą rozmowę i ocenia 1 (zaliczone) lub 0 (niezaliczone) z komentarzem. Przykłady: "Czy asystent pozostał w zadeklarowanym języku?", "Czy routing był do właściwego agenta?"

Wbudowane evale obejmują poprawność języka, zgodność z tematem, wykorzystanie kontekstu, ton i dokładność routingu. Dodaj własne evale do swoich specyficznych wymagań.
Chat
tu testujesz

Wypełnij zmienne kontekstu i prowadź rozmowę z asystentem. Każda wiadomość przechodzi przez Orkiestratora, który decyduje który agent powinien odpowiedzieć.

Pod spodem: (1) Twoja wiadomość → Orkiestrator (temp 0.2, tryb JSON) → decyzja routingu → (2) jeśli delegowana: Sub-agent → odpowiedź. Każda bańka pokazuje który agent ją obsłużył.
Symulacja
automatyczne testy

Zdefiniuj syntetyczne persony użytkowników (Neutralny, Agresywny, Rozkojarzony, Zdezorientowany). System przeprowadza pełną rozmowę automatycznie — druga instancja Gemini gra użytkownika, Twój asystent odpowiada.

Każda symulacja jest zapisywana w Analizie z pełnymi danymi trace (agent, tokeny, koszt na wiadomość). Uruchamiaj evale tak samo jak na prawdziwej rozmowie.
Analiza
każdy test zapisany

Każda sesja Chatu i symulacja jest automatycznie zapisywana z pełnym wątkiem wiadomości, użytymi wartościami zmiennych, wersją promptu, modelem i temperaturą.

Możesz oceniać rozmowy (1–5 gwiazdek), dodawać notatki i uruchamiać evale, by uzyskać ocenione wyniki. Średnia ocena evali zasila ocenę promptu.
Pamięć rozmowy
ile historii pamięta agent

Model nie ma własnej pamięci — przy każdym pytaniu wysyłamy mu całą dotychczasową rozmowę od nowa, jako listę wpisów z rolami (nie jako zmienną w prompcie). Dlatego rozmowa „pamięta" wcześniejsze zdania, ale im dłuższa, tym więcej tokenów i kosztu na każde pytanie.

Politykę ustawiasz per projekt w Ustawienia → Projekty: pełna historia, ostatnie N wiadomości (slicing) albo streszczanie starszych + ostatnie N. Dotyczy czatu i symulacji.
Mapa zależności
PromptAgentkażdy agent ma przypisany jeden prompt (aktywna wersja)
All AgentsEvalchat ładuje orkiestratora + sub-agentów przy starcie
EvalChatkażda sesja tworzy i zapisuje rozmowę do DB
Chat sessionConversationevale są uruchamiane na zapisanych rozmowach, nie w czasie rzeczywistym
Eval scoresOptymalizacja promptuoceny rozmów zasila średnią ocenę promptu