Fondements de l'IA
Les workflows d'agents IA
Réseaux de neurones, LLM et apprentissage automatique pour les marchés.
Dans cette leçon
- Ce qui fait d'un workflow IA un agent
- Où les humains doivent rester dans la boucle d'approbation
Points clés
- 1Les agents combinent un modèle avec des outils, du contexte et des règles d'action
- 2L'automatisation nécessite des limites, des journaux et un comportement de repli
- 3L'approbation humaine doit rester sur les actions impliquant des déplacements d'argent
Résumé de la leçon
Un workflow d'agent IA va au-delà d'un prompt de chat.
Modèle mental
Les workflows d'agents IA, sans le jargon
Un workflow d'agent IA va au-delà d'un prompt de chat. Il combine un modèle avec des outils, du contexte, de la mémoire, des permissions et des règles pour savoir quand les actions peuvent se produire.
- Ce qui fait d'un workflow IA un agent
- Où les humains doivent rester dans la boucle d'approbation
Mécaniques
Comment raisonner sur les workflows d'agents IA
Le modèle interprète la tâche et choisit ou appelle des outils.
Le contexte et la mémoire façonnent ce que l'agent sait du travail antérieur.
Les guardrails définissent quelles actions nécessitent une approbation humaine ou doivent être bloquées.
- Les agents combinent un modèle avec des outils, du contexte et des règles d'action
- L'automatisation nécessite des limites, des journaux et un comportement de repli
- L'approbation humaine doit rester sur les actions impliquant des déplacements d'argent
Exemple
Workflows d'agents IA en pratique
Un agent de recherche peut rassembler des documents de protocole, synthétiser les risques et préparer une liste de surveillance, tandis qu'un humain approuve séparément toute action de trade ou de portefeuille.
Erreurs courantes
Comment les workflows d'agents IA fait trébucher les apprenants
Accorder des permissions larges à un agent avant de définir les modes de défaillance est à rebours. Le workflow doit être contraint avant de devenir utile.
Notes sur le risque
Avant de vous fier à les workflows d'agents IA
L'utilisation abusive d'outils, l'injection de prompt, le contexte obsolète, les hypothèses cachées et les boucles incontrôlées peuvent créer une mauvaise recherche ou une automatisation non sécurisée.
- Définir les outils autorisés.
- Exiger des approbations pour les actions.
- Journaliser chaque étape matérielle.
Entraînement
Faites de les workflows d'agents IA une habitude
- Définir les outils autorisés.
- Exiger des approbations pour les actions.
- Journaliser chaque étape matérielle.
Révision
Termes clés
- Portefeuille
- Logiciel ou matériel qui stocke les clés privées contrôlant vos actifs on-chain.
- Agent IA
- Logiciel qui poursuit des objectifs de façon autonome, de plus en plus utilisé dans les outils crypto.
- Apprentissage Automatique
- Algorithmes qui apprennent des patterns à partir de données plutôt que d'être explicitement programmés.
- Grand Modèle de Langage (LLM)
- Un modèle IA entraîné pour prédire et générer du texte à partir du contexte.
- Backtesting
- Tester une stratégie sur des données historiques avant de risquer du capital réel.
Notes de sources
Références éditoriales
Ces références constituent des points de départ pour vérifier les mécanismes, les contrôles de risque et le contexte produit derrière cette leçon.
Avant de continuer
Pouvez-vous faire cela ?
- Définir les outils autorisés.
- Exiger des approbations pour les actions.
- Journaliser chaque étape matérielle.
Apprentissage connexe
Continuer la lecture
Point de contrôle
Terminer cette leçon
Validez le point de contrôle pour sauvegarder la progression, puis continuez le parcours dans l’ordre.
Valider cette leçon
Répondez correctement à toutes les questions pour terminer la leçon.
Un workflow d'agent IA combine…