Model keputusan mulai menarik perhatian sebagai jenis AI baru: Anda memberi model konteks dan sekumpulan pilihan, lalu model itu memilih salah satunya. Dilatih khusus untuk tugas ini, model tersebut dapat melakukannya jauh lebih cepat dan murah dibandingkan LLM. Dalam praktiknya, alur kerja hibrida adalah titik awal yang baik. Model keputusan menangani pilihan tertutup ketika opsinya sudah diketahui, LLM menangani bagian terbuka yang harus dinalar atau dibuat dari awal, dan Python menyatukan semuanya dengan mengelola alur kerja serta menjalankan operasi.
Postingan ini membahas pembangunan alur kerja otomatisasi browser. Setelah menerima permintaan perjalanan dalam bahasa alami, alur kerja tersebut menavigasi situs pencarian hotel, memilih hotel yang sesuai, dan menyiapkan permintaan informasi. Otomatisasi browser adalah salah satu penggunaan LLM yang paling praktis, karena LLM yang dapat mengoperasikan browser bisa menjangkau hampir semua hal yang bisa dilakukan manusia. Tugas seperti membaca halaman, mengklik tombol, memilih opsi dropdown, dan mengisi formulir termasuk dalam tiga kategori: pilihan tertutup, generasi terbuka, dan orkestrasi.
Pembagian tugas ini mengikuti kategori tersebut secara alami. Model keputusan memilih dari opsi yang sudah ada di halaman, seperti tanggal di kalender, atau tindakan berikutnya, seperti membuka kalender atau mengirim formulir. LLM menulis pesan dan penjelasan. Python mengumpulkan informasi dari situs web, menyiapkannya untuk model, menerima respons mereka, dan menjalankan operasi browser.
Hasilnya adalah siklus yang berulang: membaca halaman, membiarkan model keputusan memilih tindakan berikutnya, dan memanggil LLM hanya ketika teks yang dihasilkan diperlukan. Contoh ini juga mengukur apakah penggunaan model keputusan membuat alur kerja lebih cepat dibandingkan mengandalkan LLM untuk setiap langkah.
Sumber: Towards Data Science · Diringkas oleh HeadlinesBriefing