Tilhørende videoer

Human-in-the-loop-designmønstre til AI-arbejdsgange — ledsagende videoer

Artiklen gør "menneskelig kontrol i processen" fra en beroligende frase til et operationelt designvalg: godkend hver handling, gennemgå undtagelser, sample outputs, auditér senere, eskalér eller stop arbejdsgangen. Disse videoer parrer det praktiske godkendelsesmatrix-blik med to implementeringslinser: agentsystemer, der bevidst kan kontakte mennesker, og cloud-arbejdsgange, der pauser, genoptager og bevarer ansvarlighed.

Primært valg

17:06
12-Factor Agents: Mønstre for pålidelige LLM-applikationer — Dex Horthy, HumanLayer

AI Engineer

Dex Horthy forklarer, hvorfor pålidelige agentsystemer mest er disciplineret software omkring et par LLM-kald: ej prompten, ej kontekstvinduet, hold control flow deterministisk, og brug tool calls til at kontakte mennesker, når arbejdsgangen behøver vurdering. Det mapper direkte til artiklens mønstre for godkendelse, undtagelse og eskalering.

Hvad du bør få ud af dette: Lær at designe AI-arbejdsgange, der kan pause, genoptage, bede om menneskelig vurdering og holde forretningstilstand adskilt fra modelgæt.

Forudsætninger: Grundlæggende fortrolighed med tool-calling eller flertrins-AI-arbejdsgange.

Bemærkning fra AI Expert: Behandl "agent"-framing som softwarearkitektur, ikke autonomi-teater. Den holdbare lektie er eksplicit tilstand, deterministisk control flow og en rigtig menneskelig overleveringssti.

Åbn videoside

Også værd at se

18:00
AWS re:Invent 2025 — Implementing Human-in-the-Loop Controls for Multi-Agent AI Systems (CNS428)

AWS Events

Denne lightning talk navngiver de forretningsøjeblikke, hvor menneskelig kontrol er nødvendig: high-stakes-beslutninger, irreversible handlinger, regulatoriske krav, tillidsopbyggende faser, tvetydige edge cases og graceful degradation. Den viser også konkrete implementeringsmekanismer som MCP elicitations, Step Functions callback waits og godkendelsesnoder.

Hvad du bør få ud af dette: Se, hvordan godkendelsesgates kan implementeres som eksplicitte arbejdsgangscheckpoints snarere end uformel manuel gennemgang, efter at noget er gået galt.

Forudsætninger: Noget erfaring med event-drevne arbejdsgange, cloud-orkestrering eller agent-værktøjsintegration.

Bemærkning fra AI Expert: AWS-servicenavne og preview-funktioner kan flytte sig. Brug beslutningskriterierne og pause/genoptag-mønsteret, og implementér derefter de samme kontroller med den stack, I faktisk driver.

Åbn videoside