GraphAgent

I dati del mondo reale sono rappresentati sia in formati strutturati (ad esempio, connessioni grafiche) che non strutturati (ad esempio, informazioni testuali, visive), comprendendo relazioni complesse che includono collegamenti espliciti (come connessioni sociali e comportamenti degli utenti) e interdipendenze implicite tra entità semantiche, spesso illustrate attraverso grafi di conoscenza. In questo lavoro, proponiamo GraphAgent, una pipeline di agenti automatizzata che affronta sia le dipendenze esplicite dei grafi che le interdipendenze semantiche migliorate dai grafi impliciti, allineandosi con scenari di dati pratici per compiti predittivi (ad esempio, classificazione dei nodi) e compiti generativi (ad esempio, generazione di testo). GraphAgent è composto da tre componenti chiave: (i) un Agente Generatore di Grafi che costruisce grafi di conoscenza per riflettere dipendenze semantiche complesse; (ii) un Agente di Pianificazione delle Attività che interpreta diverse richieste degli utenti e formula compiti corrispondenti attraverso auto-pianificazione agente; e (iii) un Agente di Esecuzione delle Attività che esegue in modo efficiente i compiti pianificati automatizzando il matching e l'invocazione degli strumenti in risposta alle richieste degli utenti.