Introdução
Last updated
Last updated
A EvaGPT é uma plataforma SaaS (Software as a Service) desenvolvida pela Intelliway Tecnologia para criação e treinamento de agentes de Inteligência Artificial (IA) Generativa. A plataforma oferece uma solução para empresas criarem seus próprios agentes de inteligencia artificial generativa, copilotos e assistentes virtuais personalizados, com foco em acurácia, privacidade e segurança.
A plataforma possui vários componentes que proporcionam uma experiência personalizada para seu negócio! Aprenda mais sobre como tudo funciona, acessando o painel de navegação que consta do lado esquerdo da tela.
Para uma leitura dinâmica, a seguir são apresentados alguns conceitos fundamentais da EvaGPT.
Os agentes são as aplicações reais que você cria usando a EvaGPT. Você pode criar muitos agentes usando o EvaGPT, cada um com suas configurações exclusivas, de acordo com a necessidade da sua empresa. Eles são programados para serem capazes de perceber o ambiente em que estão inseridos, tomar decisões e realizar ações para alcançar objetivos específicos.
Os modelos são os blocos de construção dos agentes. Eles são os algoritmos que o agente usa para entender a mensagem do usuário e gerar uma resposta. A EvaGPT suporta vários modelos de aprendizado de máquina e para obter mais informações sobre modelos, visite a .
A tela demonstrativa de consumo na EvaGPT permite às empresas o acompamento detalhado do uso da plataforma através de um dashboard intuitivo. Com essa funcionalidade, é possível monitorar diversos aspectos do consumo, facilitando a gestão dos recursos e a análise do desempenho. As informações são apresentadas de forma clara, permitindo mensurar e monitorar o consumo de maneira eficiente.
O comportamento inclui informações sobre as experiências, habilidades e traços de personalidade do seu agente. Ao definir o comportamento, você descreve a perspectiva do seu agente e o que ele está tentando transmitir. É um componente vital na EvaGPT, pois ajuda o seu agente a entender o contexto da mensagem do usuário e o que é esperado da resposta a ser elaborada. Para obter mais informações sobre comportamento, visite a
As conversas são as interações entre os usuários e o agente. A EvaGPT permite que você gerencie as conversas entre os usuários e o agente de forma eficaz.
O processo de curadoria de agentes de IA consiste em uma série de atividades relacionadas a treinar, testar e ajustar os agentes de IA para garantir que eles sejam eficazes, seguros e alinhados às necessidades dos usuários, processo importante para a geração de respostas coerentes, úteis e éticas.
Na EvaGPT, é possível verificar toda a lista de interações realizadas pelos usuários do sistema, com detalhamentos. Também é possível visualizar as avaliações realizadas pelos usuários como feedback das interações, sendo importante o ajuste/melhoria destas a partir do feedback.
As integrações são os diferentes canais ou plataformas onde você pode implantar seu agente. A EvaGPT suporta uma ampla gama de integrações, incluindo Slack, Discord, Notion e muitos outros. Para obter mais informações sobre integrações, visite a documentação de Integrações.
No contexto de LLMs (Large Language Model), um "token" se refere a uma unidade de texto em um documento ou sequência que é tratada como uma unidade discreta pelo modelo de linguagem. Essas unidades de texto podem ser palavras individuais, subpalavras ou até mesmo caracteres, dependendo de como o modelo foi treinado e configurado.
Os tokens são importantes porque os modelos de linguagem, como aqueles baseados em redes neurais, processam o texto em unidades de tokens. Cada token geralmente recebe uma representação numérica específica no modelo, e o modelo gera previsões com base nessas representações.
A quantidade de tokens em uma sequência de texto também é relevante, pois os modelos de linguagem geralmente têm limitações em termos de quantos tokens podem processar de uma só vez devido a restrições de memória e computação. Portanto, ao usar um modelo de linguagem, você precisa estar ciente do número de tokens em sua entrada e garantir que ele esteja dentro dos limites permitidos pelo modelo.
Em resumo, em LLMs, um token é uma unidade de texto que é processada pelo modelo de linguagem e pode ser uma palavra, subpalavra ou caractere, dependendo do contexto e configuração do modelo.
Eis um exemplo da divisão de tokens feita no site da OpenAI:
Imagem 1: divisão de tokens realizada pela ferramenta Tokenizer, disponível em: https://platform.openai.com/tokenizer
O limite de tokens em um LLM (Large Language Model) é como um limite de palavras que o modelo pode entender de cada vez. Você pode pensar nisso como um pedaço de texto que o modelo consegue ler de uma só vez.
A razão pela qual você deve ter cuidado com o tamanho dos "prompts" (as instruções ou perguntas que você fornece ao LLM) é que, se o seu prompt for muito longo, ele pode ultrapassar esse limite de tokens. Quando isso acontece, você precisa encurtar o seu prompt ou o texto de entrada de alguma forma.
Se você ultrapassar o limite de tokens, o modelo pode não ser capaz de entender sua pergunta ou instrução corretamente, ou pior, pode cortar sua resposta, o que a torna incompreensível.
Portanto, é importante manter os prompts dentro do limite de tokens do LLM para obter respostas precisas e úteis. Se você precisar de uma resposta mais longa ou detalhada, pode ser necessário dividir sua pergunta em partes menores ou simplificar o texto para que caiba dentro desse limite.
Conhecimento é uma coleção estruturada de dados que pode ser usada para fornecer contexto e informações adicionais a um agente. É uma maneira de os agentes acessarem dados relevantes e usá-los para gerar respostas com base na consulta realizada pelo usuário. A EvaGPT suporta vários formatos de conhecimento, incluindo arquivos PDF, DOCX, CSV, JSON e TXT. Para obter mais informações sobre conhecimento, visite a .
Os tipos de Armazenamento da EvaGPT são classes de armazenamento abstratas que são usadas para recuperar informações. Eles são um componente fundamental que permite o armazenamento, a organização e a recuperação eficientes dos dados. Os tipos de Armazenamento são exclusivamente usados com bancos de conhecimento. Ao criar os bancos de conhecimento, o usuário pode selecionar o armazenamento apropriado a ser usado para armazenar os dados, de acordo com a quantidade de registros e a velocidade e a precisão necessários no retorno à busca. Para obter mais informações sobre tipos de Armazenamento, visite a .
As competências são conjuntos de habilidades que o agente pode usar para responder às mensagens do usuário. Cada competência é composto por uma ou mais habilidades. Você pode criar competências diferentes para agentes diferentes. Para obter mais informações sobre competências, visite a .
