From 587ce9537d4d512912f7b1a3dd27b0c1a5643f62 Mon Sep 17 00:00:00 2001 From: "github-actions[bot]" Date: Wed, 28 Jan 2026 11:25:25 +0000 Subject: [PATCH 1/4] =?UTF-8?q?=F0=9F=8C=90=20Initial=20translations=20for?= =?UTF-8?q?=20PR=20#674?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Auto-generated translations for documentation changes in PR #674. Last-Processed-Commit: ca9a126021fe0666b876a18423f796e8a55c379b Original-PR: #674 Languages: Chinese (zh), Japanese (ja) 🀖 Generated with GitHub Actions --- ja/use-dify/nodes/agent.mdx | 120 ++++-------------------------------- zh/use-dify/nodes/agent.mdx | 119 ++++------------------------------- 2 files changed, 24 insertions(+), 215 deletions(-) diff --git a/ja/use-dify/nodes/agent.mdx b/ja/use-dify/nodes/agent.mdx index 7bdcfc3e1..4dbe876a1 100644 --- a/ja/use-dify/nodes/agent.mdx +++ b/ja/use-dify/nodes/agent.mdx @@ -1,118 +1,22 @@ ---- -title: "゚ヌゞェント" -description: "耇雑なタスク実行のためにLLMにツヌルの自埋制埡を䞎える" -icon: "robot" ---- - +### フォヌムコンテンツ ⚠ このドキュメントはAIによっお自動翻蚳されおいたす。䞍正確な郚分がある堎合は、[英語版](/en/use-dify/nodes/agent)を参照しおください。 +リク゚ストフォヌムに衚瀺される内容をカスタマむズしたす -゚ヌゞェントノヌドは、LLMにツヌルの自埋的な制埡暩を䞎え、どのツヌルをい぀䜿甚するかを反埩的に決定できるようにしたす。すべおのステップを事前に蚈画する代わりに、゚ヌゞェントは問題を動的に掚論し、耇雑なタスクを完了するために必芁に応じおツヌルを呌び出したす。 - - - Agent node interface - - -## ゚ヌゞェント戊略 +- **Markdown**構文を䜿甚しおコンテンツの曞匏ず構造を蚭定したす。 -゚ヌゞェント戊略は、゚ヌゞェントの思考ず行動を定矩したす。モデルの胜力ずタスク芁件に最も適したアプロヌチを遞択しおください。 +- 利甚可胜な**倉数**を参照しお動的デヌタを衚瀺したす。 - - Agent strategies selection - + 䟋えば、LLMノヌドの出力を参照しお、受信者がレビュヌできるAI生成コンテンツを衚瀺できたす。 - - - 倧芏暡蚀語モデルのネむティブな関数呌び出し機胜を䜿甚しお、toolsパラメヌタを通じおツヌル定矩を盎接枡したす。倧芏暡蚀語モデルは、組み蟌たれたメカニズムを䜿甚しお、い぀どのようにツヌルを呌び出すかを決定したす。 + + 掚論モデルの`text`出力倉数を参照するず、フォヌムには最終回答ずずもにモデルの思考プロセスが衚瀺されたす。 - GPT-4、Claude 3.5、および関数呌び出しサポヌトが堅牢な他のモデルに最適です。 - - - - 明瀺的な掚論ステップを通じお倧芏暡蚀語モデルを導く構造化されたプロンプトを䜿甚したす。透明な行動→芳察**サむクルに埓いたす。 - - ネむティブな関数呌び出し機胜を持たないモデルや、明瀺的な掚論トレヌスが必芁な堎合によく機胜したす。 - - - - - **マヌケットプレむス → ゚ヌゞェント戊略**から远加戊略をむンストヌルするか、[コミュニティリポゞトリ](https://github.com/langgenius/dify-plugins)にカスタム戊略を貢献しおください。 - - - - Function calling setup - - -## 蚭定 - -### モデル遞択 - -遞択した゚ヌゞェント戊略をサポヌトする倧芏暡蚀語モデルを遞択しおください。より高性胜なモデルは耇雑な掚論をより良く凊理したすが、反埩あたりのコストが高くなりたす。その戊略を䜿甚する堎合は、モデルが関数呌び出しをサポヌトしおいるこずを確認しおください。 - -### ツヌル蚭定 - -゚ヌゞェントがアクセスできるツヌルを蚭定したす。各ツヌルには以䞋が必芁です - -**認蚌** - ワヌクスペヌスで蚭定された倖郚サヌビス甚のAPIキヌず認蚌情報 - -**説明** - ツヌルの機胜ず䜿甚タむミングの明確な説明これが゚ヌゞェントの意思決定を導きたす - -**パラメヌタ** - 適切な怜蚌を䌎うツヌルが受け入れる必須およびオプションの入力 - -### 指瀺ずコンテキスト - -自然蚀語の指瀺を䜿甚しお゚ヌゞェントの圹割、目暙、コンテキストを定矩したす。䞊流のワヌクフロヌノヌドから倉数を参照するには、Jinja2構文を䜿甚したす。 - -**ク゚リ**は、゚ヌゞェントが䜜業すべきナヌザヌ入力たたはタスクを指定したす。これは以前のワヌクフロヌノヌドからの動的コンテンツにするこずができたす。 - - - Agent configuration interface - - -### 実行制埡 - -**最倧反埩数**は、無限ルヌプを防ぐための安党制限を蚭定したす。タスクの耇雑さに基づいお蚭定しおください - 単玔なタスクには3-5回の反埩が必芁ですが、耇雑な調査には10-15回必芁な堎合がありたす。 - -**メモリ**は、TokenBufferMemoryを䜿甚しお゚ヌゞェントが蚘憶する過去のメッセヌゞ数を制埡したす。より倧きなメモリりィンドりはより倚くのコンテキストを提䟛したすが、トヌクンコストが増加したす。これにより、ナヌザヌが以前のアクションを参照できる䌚話の継続性が可胜になりたす。 - -### ツヌルパラメヌタ自動生成 - -ツヌルには**自動生成**たたは**手動入力**ずしお蚭定されたパラメヌタがありたす。自動生成パラメヌタ`auto: false`ぱヌゞェントによっお自動的に蚭定され、手動入力パラメヌタはツヌルの氞続的な蚭定の䞀郚ずなる明瀺的な倀が必芁です。 - -