Vai al contenuto principale
INNOCHAT è il primo e più potente framework No-Code per chatbot AI a implementare un’architettura multi-agente.
Più agenti AI lavorano insieme in un’orchestrazione coordinata per consentire automazioni avanzate dei flussi di lavoro.
Questa guida ha lo scopo di aiutarti a comprendere come collaborano i nostri agenti, fornendoti al contempo alcune best practice per progettare un chatbot multi-agente. Tutti gli agenti hanno due stati:
  • Attivo: L’agente è “Connected”. È online e attivo.
  • Inattivo: L’agente è “Disabled”. Non esegue alcuna azione.
In qualsiasi momento, solo un agente interagisce direttamente con l’utente.
Il nostro supervisore AI lavora in background in tempo reale e decide quale agente deve gestire la richiesta dell’utente.
Gli agenti sono completamente isolati tra loro.
Ciò significa:
  • Non puoi istruire l’agente B dall’agente A.
  • Non puoi dire al supervisore AI di “passare il testimone”.
  • Il supervisore AI non può essere istruito tramite linguaggio naturale.
Il supervisore AI distribuisce le richieste degli utenti agli agenti in base alla loro descrizione dell’agente.
Se hai un solo agente, la descrizione è meno importante.
Se invece lavori con più agenti, dovrebbe essere il più chiara e precisa possibile.
  • Agent Description – Quali compiti deve svolgere l’agente?
  • Agent Prompt – Come deve svolgere questi compiti?
La descrizione dell’agente è diversa dal prompt.
La descrizione spiega al supervisore AI, a livello generale, quali tipi di richieste l’agente deve gestire.
Il prompt, invece, contiene istruzioni dettagliate sul comportamento dell’agente.
Le buone descrizioni degli agenti rispondono alla domanda:
«Quali tipi di richieste deve gestire l’agente?» Dovrebbero includere tutte le intenzioni dell’utente rilevanti che l’agente deve coprire. Le descrizioni degli agenti non dovrebbero spiegare come l’agente svolge i suoi compiti — questo spetta al prompt. Ecco alcuni esempi di buone descrizioni degli agenti:
Incarnate the role of “INNOCHAT Expert,” a specialized guide for INNOCHAT. Your main objective is to assist users with answering INNOCHAT-related questions related to:
  • Use cases
  • Features and capabilities
  • Data security
  • Pricing
  • AI Agents and multi-Agent architecture
  • User identity verification
  • Chunk curation
  • Function calling
  • Partnership program
  • Custom domains
  • Tokens
All intents handled by this Agent should be related to INNOCHAT.
The Product Expert handles any user queries related to Example Company’s products.
This includes questions regarding:
  • Product availability
  • Product specifications
  • Price
  • Shipping location
  • Warranty
  • Return policy
  • Disclaimers, legal notices, and warning labels
The Order Status Assistant handles any user queries related to an order’s status. This includes:
  • Product package tracking
  • Current package location
  • Estimated delivery time
  • Late delivery compensation
Cosa rende efficace la progettazione di un chatbot multi-agente?
Come assicurarsi che tutte le intenzioni degli utenti vengano gestite dall’agente giusto? In generale, un’architettura multi-agente è ideale per far collaborare agenti AI specializzati come un team.
Ogni agente può:
  • accedere a dati di training diversi,
  • essere alimentato da un LLM diverso,
  • avere il proprio prompt,
  • disporre dei propri strumenti (Functions).
Questo è molto più efficace rispetto a concentrare tutto in un singolo agente. Dal punto di vista dell’utente, non è percepibile che siano coinvolti più agenti — l’orchestrazione avviene in modo completamente trasparente in background.
Se configurato correttamente, il chat appare come una conversazione con una persona reale.
Un chatbot multi-agente può essere significativamente più potente rispetto ai sistemi a singolo agente come ChatGPT. Il nostro sistema di routing del supervisore AI utilizza un algoritmo che bilancia latenza e precisione.
Non sarà sempre corretto al 100%, ma con una buona progettazione puoi avvicinarti molto.

​
Debug del chatbot

Se il chatbot non reagisce come previsto, ci sono due possibili cause:
  1. È stato selezionato l’agente sbagliato per elaborare la richiesta.
  2. È stato selezionato l’agente corretto, ma non è configurato in modo ottimale.
Per verificare se è stato selezionato l’agente giusto, vai su Inbox e attiva la modalità di debug:
In Active Agent puoi vedere quale agente ha generato la risposta.
Questa informazione viene visualizzata solo quando sono connessi più agenti. Se ha risposto l’agente sbagliato, modifica la sua configurazione — nome, descrizione o prompt. Se ha risposto l’agente giusto ma la risposta non è adeguata, il problema riguarda l’agente stesso.
Il modo più semplice per migliorare è correggere direttamente la risposta:
Questo garantisce che in futuro il chatbot risponderà alla stessa domanda in base alla tua correzione, purché venga selezionato lo stesso agente. Per rendere l’agente più robusto in generale, puoi:
  • curare i dati di training,
  • utilizzare un LLM più potente,
  • rendere il prompt di base più preciso.
Ulteriori informazioni: