Cluster
Delegation
The delegation cluster covers principles that help teams move from direct manipulation to well-bounded task assignment. Delegation-first design makes the scope of AI authority legible, steerable, and correctable without requiring users to monitor every step.
Fatti chiave
- Cluster
- Delegation
- Principi
- 3
- Esempi collegati
- 6 esempi della libreria di implementazione
- Titoli dei principi
- Progettare per la delega piuttosto che per la manipolazione diretta; Sostituire la magia implicita con modelli mentali chiari; Ottimizzare per la guida, non solo per l'inizio
Principi in questo cluster
- Principio 1Progettare per la delega piuttosto che per la manipolazione direttaProgettare esperienze attorno all'assegnazione del lavoro, l'espressione dell'intento, l'impostazione dei vincoli e la revisione dei risultati, piuttosto che richiedere agli utenti di eseguire manualmente ogni passaggio.Nei sistemi agentici, il valore viene creato quando gli utenti possono definire l'esito desiderato e fare affidamento sul sistema per eseguire azioni appropriate entro limiti concordati. L'interfaccia dovrebbe quindi supportare la delega come modello di interazione di primo livello.
- Principio 5Sostituire la magia implicita con modelli mentali chiariIl prodotto dovrebbe aiutare gli utenti a comprendere cosa il sistema può fare, cosa sta facendo attualmente, cosa non può fare e quali condizioni governano il suo comportamento.La fiducia è rafforzata quando gli utenti possono formare aspettative accurate. I sistemi che sembrano intelligenti ma rimangono mal definiti creano confusione, uso improprio e affidamento errato.
- Principio 10Ottimizzare per la guida, non solo per l'inizioIl sistema dovrebbe supportare gli utenti non solo nell'avvio dei compiti, ma anche nella guida, nel perfezionamento, nella riprioritizzazione e nella correzione del lavoro mentre è in corso.Il prompting è un meccanismo di avvio. Non è, di per sé, un modello di controllo sufficiente per lavori complessi o consequenziali. Gli utenti richiedono la capacità di guidare l'attività in corso senza riavviare l'intero processo.
Esempi di implementazione
- Livello 1: LLM aumentato — Singola chiamata APIUna singola chiamata al modello con output strutturato, system prompt e contesto. Nessun loop, nessuno strumento.script · advanced
- Livello 2: Catene di prompt e routing — DAG deterministiciPiù chiamate LLM in una sequenza fissa. È il codice a controllare il flusso, non il modello.script · advanced
- Livello 3: Agente con chiamata di strumenti — Autonomia circoscrittaL’agente decide quali strumenti chiamare e in quale ordine, ma solo all’interno di un insieme fisso di capacità ben definite.script · advanced
- Livello 4: Agent Harness — Accesso completo al runtimeFornisci all’agente un runtime completo tramite l’agent runtime SDK. Può cercare file, leggere documenti e ragionare sui problemi in modo autonomo.script · advanced
- Livello 5: Orchestrazione multi-agente — Autonomia delegataUn orchestratore delega a subagent specializzati definiti tramite l’agent runtime SDK. Ogni subagent ha il proprio prompt, i propri strumenti e il proprio modello. L’orchestratore coordina.script · advanced
- Intelligenza: il "cervello" che elabora le informazioni e prende decisioni usando gli LLM.Questo componente gestisce la comprensione del contesto, il rispetto delle istruzioni e la generazione delle risposte.script · intermediate