AI-agent
En AI-agent är en språkmodell placerad i en loop där den själv avgör vad som ska göras härnäst, anropar verktyg för att göra det, ser resultatet och fortsätter tills ett mål är uppnått. Det utmärkande är att stegföljden väljs av modellen, inte är fastlagd av utvecklaren.
Delarna
Fyra saker måste finnas. Ett mål formulerat i text. En uppsättning verktyg — funktioner modellen får anropa, beskrivna tillräckligt väl för att den ska kunna välja mellan dem: söka, läsa en fil, köra en fråga, skicka en förfrågan. En loop som matar tillbaka varje verktygsresultat så att modellen kan avgöra nästa drag. Och ett stoppvillkor, vare sig det är en framgångskontroll, ett stegtak eller en budget.
En vanlig och mer förutsägbar variant är en pipeline: flera specialiserade modellanrop i en fast ordning, vart och ett med en smal uppgift. NorthernGo bygger så på molnvägen — en Arkitekt som planerar strukturen, en Byggare som skriver koden och en Granskare som kan försöka laga mekaniska skador. Lokalt körs Byggaren på grafikkortet och en syntaxkontroll stoppar JavaScript som inte går att tolka; det finns ingen LLM-omskrivning. Ordningen är fast, och det är just det som gör beteendet reproducerbart.
Skillnaden är värd att hålla reda på, eftersom "agent" används om båda:
- Fast pipeline — utvecklaren väljer stegen. Förutsägbar, testbar, begränsad.
- Autonom loop — modellen väljer stegen. Flexibel, och kapabel att överraska i båda riktningarna.
Vad du bör se upp med
En chatbot med en bra systemprompt är inte en agent. Kan den inte utföra en handling i världen är det en konversation. De flesta produkter som kallas "AI-agent" är ett modellanrop med ett trevligt gränssnitt.
Det verkliga tekniska problemet är kumulativa fel. Ett steg som lyckas 95 % av gångerna lyckas ungefär 60 % av gångerna över tio steg. Långa autonoma kedjor fallerar på sätt som är svåra att se, eftersom steg fyra gick subtilt fel och steg fem till nio självsäkert byggde vidare på det. Det är också här en hallucination slutar vara en felaktig mening och blir en felaktig handling.
Praktiska konsekvenser:
- Håll kedjorna korta, verifiera mellan stegen och välj en fast ordning överallt där ordningen faktiskt är känd.
- Sätt tak på allt. Antal steg, väggklockstid, tokenkostnad. Loopar som anropar sig själva är hur man får en dyr överraskning.
- Kräv bekräftelse för allt oåterkalleligt — radera data, skicka e-post, flytta pengar.
- Logga varje verktygsanrop. Utan spårning går det inte att avgöra om modellen resonerade dåligt eller om verktyget returnerade nonsens.
Fler agenter är inte bättre. Varje ytterligare autonomt hopp multiplicerar antalet sätt det kan gå fel.
Vanliga frågor
Vad är skillnaden mellan en AI-agent och en chatbot?
En chatbot svarar; en agent handlar. Kan systemet bara producera text tillbaka till dig är det en chatbot, oavsett hur det marknadsförs. Kan det anropa funktioner, ändra tillstånd i ett annat system och själv avgöra vilket steg som kommer härnäst är det en agent — och då behövs de skyddsmekanismer som följer av det.
Varför misslyckas agenter på långa uppgifter?
Felen ackumuleras. Varje steg har en risk att gå fel, och senare steg bygger på tidigare utan att ifrågasätta dem, så ett litet fel tidigt blir ett tvärsäkert felaktigt resultat till slut. Kortare kedjor, verifiering mellan stegen och fast ordning där det går är de vanliga motmedlen.
Bygg det själv
NorthernGo förvandlar en beskrivning i ren text till en fungerande webbapp med databas, inloggning och en live-adress. Lokal AI-generering körs på ditt eget grafikkort, är obegränsad och ingår gratis i alla prisplaner.