将机器学习预测模型融入AI agent的尝试（二）

3. 将组件纳入AI agent

• 将组件与应用结合在一起的时候，组件的外围会包裹一个LLM模型，也就是说组件的输入接受大模型的输入，组件的输出会输出到LLM，所以在组件内部结合大模型可能是不必要的，新版本的组件已经取消了LLM模型，组件的功能目前就很单纯，预测模型API，获得输入数据，得出预测结果。

• 经测试，应用的LLM会知道预测模型需要哪些输入，这提示LLM可能是根据参数名称了解需要哪些输入，所以在参数起名的时候，尽量用全名，LLM还可以模拟输入数据，对于测试是很方便的，比如可以说“请模拟一组输入，进行测试。”

• 理论上预测模型输出的应该是预测概率，而不是简单的结论，还需要结合DCA分析中的损害-效益比来确定决策阈值，两者结合最终得出结论，是给医生用的；如果是民间使用的话，在后续检查损害性不大的情况下，直接给出预测结论，让用户接受检查，并最终判断，或许是也是一种不错的选择。

• 结合知识库组件，关于预测模型相关的知识或许可以放在知识库中供用户检索了解，目前仅“注意事项”。

• 在结合治疗知识更专业的医疗小助手组件，可以更好地解读医疗专业知识。

• 通过以下地址进行访问： 我在百度智能云千帆AppBuilder开发了一款AI原生应用，快来使用吧！「糖尿病的机器学习模型应用」：https://appbuilder.baidu.com/s/B90y9

总结

目前为止，我们基本将预测模型和AI agent结合在一起：预测模型的主体是通过API完成；搭配健康小助手提供相对专业的治疗建议；单配知识库，提供定制的使用预测模型的注意事项，欢迎大家体验。