نظرة عامة
يتطلب مزخرف
@human_feedback إصدار CrewAI 1.8.0 أو أحدث. تأكد من تحديث تثبيتك قبل استخدام هذه الميزة.@human_feedback سير العمل البشري في الحلقة (HITL) مباشرة ضمن CrewAI Flows. يتيح لك إيقاف تنفيذ Flow مؤقتًا وعرض المخرجات لإنسان للمراجعة وجمع تعليقاته واختياريًا التوجيه إلى مستمعين مختلفين بناءً على نتيجة التعليقات.
هذا مفيد بشكل خاص لـ:
- ضمان الجودة: مراجعة المحتوى المُنشأ بالذكاء الاصطناعي قبل استخدامه
- بوابات القرار: السماح للبشر باتخاذ قرارات حرجة في سير العمل الآلي
- سير عمل الموافقة: تنفيذ أنماط الموافقة/الرفض/المراجعة
- التحسين التفاعلي: جمع التعليقات لتحسين المخرجات تكراريًا
بداية سريعة
Code
التوجيه مع emit
عند تحديدemit، يصبح المزخرف موجّهًا. يُفسَّر التعليق البشري الحر بواسطة LLM ويُختزل إلى إحدى النتائج المحددة:
Code
التعلم من التغذية الراجعة
معاملlearn=True يمكّن حلقة تغذية راجعة بين المراجعين البشريين ونظام الذاكرة. عند تمكينه، يحسّن النظام مخرجاته تدريجيًا بالتعلم من التصحيحات البشرية السابقة.
تُستخلص الدروس من كل رد، سواء وصل أثناء التشغيل أو استأنف لاحقًا Flow متوقفًا عبر provider غير متزامن. قبل المراجعة التالية تُطبَّق الدروس السابقة على المخرجات: يُعاد كتابة النص نصًا، ونموذج Pydantic بالنموذج نفسه ما لم يحتوِ على ما لا يراه LLM: قيمة سرية أو حقل مستبعد أو سمة خاصة تغيّرت عن قيمتها الافتراضية، وتُعرض المخرجات الأخرى مثل dict أو list دون تغيير.
يوافق الإنسان على النسخة التي رُوجعت، وقد تختلف عمّا أعادته الدالة. في الخطوات التالية اقرأها من
self.last_human_feedback.output (أو من وسيط المستمع)، فالحالة التي ضبطتها الدالة قبل المراجعة ما زالت تحتفظ بالنسخة الأصلية. وإذا توقف Flow بانتظار تغذية راجعة غير متزامنة، تُستعاد المخرجات من JSON عند الاستئناف، فيصل نموذج Pydantic على شكل dict.أفضل الممارسات
- اكتب رسائل طلب واضحة
- اختر نتائج ذات معنى
- وفّر دائمًا نتيجة افتراضية
- استخدم سجل التعليقات لمسارات التدقيق
التغذية الراجعة البشرية غير المتزامنة (غير محجوبة)
استخدم معاملprovider لتحديد استراتيجية جمع تعليقات مخصصة تتكامل مع أنظمة خارجية مثل Slack والبريد الإلكتروني وWebhooks وواجهات API.
