Veřejná pracovní vrstva pro prototypy, vývojové poznámky, experimenty s AI workflow a produktovou architekturu BotCentralHubu.
První aktivní Lab track zkoumá, jak navrhnout osobního AI agenta, který zastupuje zájem uživatele, ne skryté pobídky platformy, tržiště, dodavatele nebo infrastruktury.
VRSTVA LOAJALITY AGENTA
Praktický build track pro uživatelsky zarovnaného nákupního a úkolového agenta. Model se zaměřuje na pravidla preferencí, neutrální porovnávání, auditní stopu, schvalovací smyčky a jasnou kontrolu člověka před tím, než agent jedná za uživatele.
Lab track je rozdělený do čtyř praktických vrstev. Každá vrstva popisuje, co agent potřebuje, než mu lze svěřit reálné volby.
VRSTVA PREFERENCÍ
Definuje, co uživatel skutečně preferuje: cenu, kvalitu, rychlost dodání, lokální dodavatele, blokované zdroje, opakované preference a přijatelné kompromisy.
VRSTVA NEUTRALITY
Brání tomu, aby agent tiše zvýhodňoval jedno tržiště, dodavatele, platformu nebo doporučovací zdroj bez vysvětlení.
AUDITNÍ VRSTVA
Udržuje čitelnou stopu možností, odmítnutých alternativ, rozhodovacích kritérií a finálního doporučení.
KONTROLNÍ VRSTVA
Určuje, kdy může agent jednat automaticky, kdy se musí zeptat na potvrzení a kdy se musí zastavit.
První prototyp má zůstat malý a testovatelný. Nemá se tvářit jako univerzální agent. Má ověřit, zda lze uživatelsky zarovnanou rozhodovací logiku udělat viditelnou a kontrolovatelnou.
NÁKUPNÍ AGENT
Řízené workflow, ve kterém agent porovná produkty, ceny, podmínky doručení a důvěryhodnost dodavatele před doporučením nákupu.
ÚKOLOVÝ AGENT
Workflow pro opakované nízkorizikové úkoly, kde agent připraví doporučení, ale finální akce zůstává pod kontrolou člověka.
ROZHODOVACÍ MATICE
Jednoduchá bodovací tabulka, která ukáže, proč byla jedna možnost doporučena a která kritéria změnila výsledek.
SCHVALOVACÍ SMYČKA
Finální kontrolní bod, ve kterém může uživatel doporučení schválit, odmítnout, upravit nebo uložit jako opakovatelné pravidlo.
RobotYellowPages může později tento Lab track podpořit mapováním nástrojů, vendorů, lokálních AI systémů, edge AI hardwaru, agentických platforem, privacy-first asistentů a poskytovatelů automatizace.
Lab slouží jako praktické testovací prostředí, ve kterém vyvíjíme, testujeme a iterujeme modulární komponenty pro autonomní AI systémy.
Návrh znovupoužitelných a kontextově senzitivních šablon promptů, které vynucují strukturovaný JSON výstup a spolehlivě vedou úsudek LLM.
Propojování velkých jazykových modelů s databázemi, rozhraními API a firemními systémy pomocí nástrojů jako n8n a Make.
Vývoj modulů pro uchování stavu a sémantickou paměť, které pomáhají agentům udržovat kontext napříč vícekrokovými interakcemi.
Tvorba samo-opravných řetězců úkolů a zpětnovazebných smyček typu OODA pro spolehlivé autonomní provádění.
Sestavování kognitivní logiky, externích nástrojů a responzivních rozhraní do ucelených prototypů autonomních agentů.