Cộng đồng trí tuệ nhân tạo đang có cái nhìn thực tế hơn về điều gì thực sự cấu thành nên một AI agent so với các chức năng xử lý dữ liệu truyền thống. Một khám phá gần đây về việc xây dựng AI agent sử dụng các truy vấn streaming SQL của Apache Flink đã khơi mào cuộc tranh luận về việc liệu ngành công nghiệp có đang làm phức tạp hóa quá mức các tác vụ tự động hóa đơn giản hay không.
Cuộc thảo luận tập trung xung quanh một phương pháp thử nghiệm sử dụng các truy vấn SQL để kích hoạt các lời gọi mô hình ngôn ngữ lớn (LLM) khi dữ liệu mới được đưa vào hệ thống. Ví dụ, khi các bài báo nghiên cứu được tải lên cơ sở dữ liệu, một truy vấn SQL sẽ tự động tạo ra các bản tóm tắt sử dụng các mô hình của OpenAI và gửi cảnh báo đến các kênh Slack . Mặc dù về mặt kỹ thuật có thể hoạt động được, phương pháp này đã phơi bày những câu hỏi cơ bản về định nghĩa AI agent và các hạn chế thực tế.
Các Thành Phần Kỹ Thuật Chính Được Thảo Luận:
- Apache Flink : Nền tảng xử lý luồng dữ liệu cho việc xử lý dữ liệu thời gian thực
- FLIP-311 : Đề xuất cải tiến Flink để tích hợp mô hình ML trong SQL
- Hàm ML_PREDICT : Hàm SQL để gọi các mô hình học máy
- Process Table Functions ( PTF ): Các hàm tùy chỉnh để tích hợp logic phức tạp
- Model Connector Protocol ( MCP ): Tiêu chuẩn để tích hợp các công cụ bên ngoài vào quy trình làm việc AI
Cộng đồng phản đối việc phân loại Agent
Các lập trình viên ngày càng hoài nghi về việc gắn nhãn mọi tự động hóa được hỗ trợ bởi LLM là một AI agent. Cộng đồng kỹ thuật chỉ ra rằng nhiều hệ thống được tiếp thị như các agent về cơ bản chỉ là các chức năng phức tạp với hành vi ít xác định hơn so với các quy tắc dựa trên mã truyền thống. Sự phân biệt này quan trọng vì nó ảnh hưởng đến cách các tổ chức lập kế hoạch và ngân sách cho việc triển khai AI.
Phương pháp streaming SQL hoạt động tốt cho các quy trình làm việc cơ bản như xử lý tài liệu và thông báo tự động. Tuy nhiên, nó gặp khó khăn với các hành vi agent phức tạp hơn như lựa chọn công cụ động và quản lý bộ nhớ theo ngữ cảnh. Những hạn chế này đòi hỏi các giải pháp thay thế mà nhiều lập trình viên thấy cồng kềnh và phản tác dụng.
Các hạn chế kỹ thuật phơi bày thách thức triển khai
Phương pháp agent dựa trên SQL tiết lộ những khoảng trống đáng kể khi cố gắng thực hiện hành vi tự động thực sự. Trong khi hệ thống có thể xử lý việc xử lý dữ liệu có cấu trúc và tích hợp LLM cơ bản một cách hiệu quả, nó lại thiếu sót trong các lĩnh vực định nghĩa nên các AI agent thực thụ. Quản lý bộ nhớ đòi hỏi các chức năng tùy chỉnh, và tích hợp công cụ cần các giao thức bên ngoài không được hỗ trợ sẵn.
Điều này có vẻ bị ép buộc. Nếu bạn đọc hết toàn bộ, họ không thể xây dựng được một AI Agent, họ chỉ thực hiện các lời gọi LLM API sử dụng SQL của Flink .
Cộng đồng kỹ thuật đã xác định rằng các triển khai SQL hiện tại thiếu tính linh hoạt cần thiết cho việc khám phá tác vụ đệ quy và các quy trình làm việc tự phát triển. Hành vi agent thực sự đòi hỏi sự lặp lại bất đồng bộ linh hoạt mang lại cho hệ thống khả năng thích ứng tương tự như con người mong đợi từ các quy trình giao nhiệm vụ.
Khả năng của Agent dựa trên SQL:
- ✅ Tích hợp LLM thông qua hàm ML_PREDICT
- ✅ Xử lý luồng dữ liệu thời gian thực
- ✅ Tự động hóa quy trình làm việc cơ bản
- ✅ Kết nối và làm giàu dữ liệu có cấu trúc
- ❌ Lựa chọn công cụ động mà không cần hàm tùy chỉnh
- ❌ Quản lý bộ nhớ agent tự nhiên
- ❌ Tích hợp công cụ bên ngoài có sẵn
- ❌ Khả năng quy trình làm việc tự phát triển
Ngành công nghiệp chuyển hướng sang các giải pháp được xây dựng chuyên biệt
Việc nhận ra những hạn chế này đã dẫn đến việc phát triển các runtime AI agent chuyên dụng thay vì ép buộc các công cụ hiện có vào những vai trò không phù hợp. Các lập trình viên Apache Flink đang làm việc trên một dự án con agent riêng biệt ( FLIP-331 ) từ bỏ ràng buộc SQL để ủng hộ các framework agent được xây dựng chuyên biệt với hỗ trợ Python và tích hợp công cụ sẵn có.
Sự chuyển dịch này cho thấy ngành công nghiệp đang trưởng thành vượt qua sự phấn khích ban đầu của việc áp dụng AI cho mọi hệ thống hiện có. Thay vì cải tiến các công cụ xử lý dữ liệu truyền thống, các lập trình viên đang xây dựng các nền tảng chuyên biệt được thiết kế đặc biệt cho các hành vi agent như khả năng chịu lỗi, quản lý trạng thái và giao tiếp agent-to-agent.
Cuộc tranh luận làm nổi bật một xu hướng rộng lớn hơn trong phát triển AI nơi các thách thức triển khai thực tế đang làm dịu đi sự nhiệt tình ban đầu. Khi các tổ chức có được kinh nghiệm với các hệ thống AI, họ đang trở nên có nhãn quan hơn về những phương pháp nào mang lại giá trị thực sự so với những phương pháp chỉ đơn giản thêm độ phức tạp vào các quy trình hiện có.
Tham khảo: This Al Agent Should Have Been a SQL Query
 |
|---|
| Một cuộc thảo luận có tính thông tin về sự phát triển của các công nghệ AI agent trong ngành công nghiệp |