Use Cases and Personas for Agent Factory on Hybrid Manager#
概要#
ハイブリッドマネージャーのエージェントファクトリーは、主権AIインフラストラクチャを介して多様な組織のユースケースを可能にします。組織はこれらの機能を活用して、Kubernetes環境内のデータとモデルの完全な制御を維持しながら、インテリジェントなアプリケーションを構築します。
主なユースケース#
内部ナレッジマネージメント#
組織はAIアシスタントを展開し、従業員に内部文書、ポリシー、組織の知識への自然言語アクセスを提供します。
実装パターン
金融サービス企業は、コンプライアンス文書、規制当局への申告、および内部手順をナレッジベースにインデックス付けします。従業員は会話型インターフェイスを使用してこれらのシステムを照会し、データ主権を維持しながらソース引用付きの正確な回答を受け取ります。
技術コンポーネント
SharePoint、Confluence、およびデータベースコンテンツのインデックスを作成するナレッジベース
クエリの理解と応答生成のためのLLMエンドポイント
アクセス制御のためのロールベースのフィルタリングを備えた検索システム
実装ガイダンスについては、 Getting started with Pipeline Designer を参照してください。
カスタマーサービスオートメーション#
AIを活用したカスタマーサポートシステムは、日常的な問い合わせを処理しながら、複雑な問題を人間のエージェントにエスカレーションします。
実装パターン
Eコマース企業は、安全なAPIを介して注文システム、製品カタログ、返品ポリシーにアクセスするアシスタントを展開します。これらのアシスタントは、品質保証のための完全な監査証跡を維持しながら、顧客からの問い合わせの大部分を自動的に解決します。
技術コンポーネント
注文管理システム統合のためのREST APIツール
製品ドキュメントやよくある質問を含むナレッジベース
実用的な例については、 Langflow quickstart を参照してください。
Enterprise RAG Systems#
検索拡張生成アプリケーションは、組織データのLLM応答を基礎付け、精度を維持しながら幻覚を削減します。
実装パターン
医療機関は、臨床ガイドライン、研究論文、および治療プロトコールを介してRAGシステムを実装しています。医療専門家は、ソース資料への引用付きで証拠に基づいた推奨事項を受け取り、トレーサビリティを保証しながら臨床上の意思決定をサポートします。
技術コンポーネント
pgvectorを使用してPostgreSQLに保存されたベクター埋め込み
セマンティックマッチングとキーワードマッチングを組み合わせたハイブリッド検索
結果の最適化のためのモデルの再ランキング
アーキテクチャの詳細については、 ナレッジベースと検索 を参照してください。
AI対応API#
組織は、既存のアプリケーションと統合するための安全なAPIを介してAI機能を公開します。
実装パターン
ソフトウェア会社は、標準のRESTインターフェイスを介してアクセスできるモデルエンドポイントを展開することにより、製品内のインテリジェント機能を提供します。これらのAPIは、予測可能なパフォーマンス特性を維持しながら、ドキュメントの要約、感情分析、コンテンツ生成などのタスクを処理します。
技術コンポーネント
OpenAI互換エンドポイントを公開するInferenceServices
認証とレート制限を備えたAPIゲートウェイ
高可用性のためのモデルレプリカ間のロードバランシング
デプロイメント手順については、 Model Serving Guide を参照してください。
ユーザーペルソナ#
プラットフォームエンジニア#
プラットフォームエンジニアは、エージェントファクトリーのインフラストラクチャを管理し、信頼性の高いモデル提供と最適なリソースの使用率を保証します。
主な責任
GPUノードとリソース割り当ての構成
InferenceServicesの展開と監視
モデルライブラリとレジストリ接続を管理する
セキュリティポリシーとネットワーク構成の実装
主要なワークフロー
GPU Setup Guide に従ってGPUリソースをプロビジョニング
Model Library Documentation ごとにモデルレジストリを構成する
Observability (Agent Factory on HM) を使用して推論パフォーマンスをモニタする
データサイエンティスト#
データサイエンティストはエージェントファクトリーを活用して、インフラストラクチャの複雑さを管理せずにモデルを展開し、インテリジェントなアプリケーションを構築します。
主な責任
ナレッジベースの作成と最適化
RAGアプリケーションの取得戦略の構成
モデルのパフォーマンスと精度を評価する
デザインアシスタントの動作とツールの統合
主要なワークフロー
Getting started with Pipeline Designer を使用してナレッジベースパイプラインを構築する
Langflowフローでの取得の構成 EDB Knowledge Base
フローをサービスとして展開する Flow deployment
アプリケーション開発者#
開発者は、APIとSDKを介してAI機能をビジネスアプリケーションに統合します。
主な責任
モデルエンドポイントをアプリケーションに統合する
AIを活用した機能のカスタムツールを構築
エラー条件とフォールバック戦略を処理します
主要なワークフロー
KServe Integration を介してモデルエンドポイントにアクセス
Pythonからモデルを呼び出します Python Client Guide
展開されたLangflowフローをHTTPまたはMCPで呼び出します Accessing deployed flows
ビジネスアナリスト#
ビジネスアナリストは、Langflowのビジュアルフロービルダーを使用して、コーディングの専門知識なしでAIアプリケーションを作成します。
主な責任
フロー動作と知識ドメインを定義する
データソース接続の構成
フロー応答のテストと検証
使用パターンと効果を監視する
主要なワークフロー
Langflowビジュアルエディター Langflow quickstart を使用してフローをビルドします
事前に構築されたテンプレートを開始点として使用します Langflow templates
他の人が使用するフローを公開および展開します Flow deployment
業界固有の実装#
金融サービス#
ユースケース 取引パターンを分析し、必要なレポートを生成する規制コンプライアンスアシスタント。
コンポーネント
規制文書のナレッジベース
トランザクションデータベースにアクセスするツール
コンプライアンス追跡のための監査ログ
ヘルスケア#
ユースケース 証拠に基づいた治療の推奨を提供する臨床決定支援システム。
コンポーネント
医学文献とガイドラインに関するRAG
電子医療記録との統合
患者データの厳密なアクセス制御
製造業#
ユースケース センサーデータと技術マニュアルを使用して、機器の問題を診断するメンテナンスアシスタント。
コンポーネント
機器ドキュメントのナレッジベース
IoTセンサーからのリアルタイムデータの統合
予知保全モデルのエンドポイント
実装の考慮事項#
スケーラビリティープランニング#
さまざまなユースケースには、さまざまなレベルのスケールが必要です。
大規模なカスタマーサービス 自動スケーリングを備えた複数のモデルレプリカ
内部ナレッジシステム キャッシュ最適化による中程度のスケーリング
特殊なアシスタント 専用のリソースを使用した単一のインスタンス
セキュリティ要件#
ユースケースはセキュリティ構成を決定します。
パブリック向けアプリケーション 認証を使用した外部イングレス
内部システム RBACを使用したクラスターローカルアクセス
規制対象業界 監査ログと暗号化の強化
パフォーマンスの最適化#
ユースケースの特性に基づいて最適化する
リアルタイムアプリケーション エッジキャッシングを使用して提供する低レイテンシーモデル
バッチ処理 より大きなバッチサイズでのより高いスループット
インタラクティブアシスタント バランスの取れたレイテンシーとスループット
ユースケース別のスタートガイド#
ナレッジマネージメントの場合#
ナレッジベースパイプライン Getting started with Pipeline Designer を作成します
フローからナレッジベースを照会します EDB Knowledge Base
RAGフローをエンドツーエンドでビルドする Langflow quickstart
カスタマーサービス用#
会話フローを構築します Langflow quickstart
エージェントフローのリファレンスとしてSimple Migration Agentテンプレートを試してください Langflow templates
フローを呼び出し可能サービスとして展開します Flow deployment
API開発の場合#
Deploy Agent Factory with Hybrid Manager UI を介してモデルを展開する
エンドポイントにアクセスします Python Client Guide
パフォーマンスを監視する Observability (Agent Factory on HM)
追加リソース#
関連ドキュメント