Tijdens de OutSystems NextStep Experience (ONE 2024) hebben Pauline Harlinghausen en Lotte Kuiper hun presentatie “Developer’s Guide to the AI-Galaxy” gegeven. Nu, een paar weken later, is het geweldig om te zien hoe meer bedrijven en ontwikkelaars AI-oplossingen integreren in hun OutSystems-applicaties. Deze groeiende interesse heeft Lotte geïnspireerd om haar eerste blogserie te lanceren: “Navigeren door het AI-heelal”.

In deze serie deelt Lotte inzichten, tips en trucs over het gebruik van AI met OutSystems. Deze eerste blog geeft een samenvatting van de vier stappen om AI in OutSystems te implementeren. Let’s dive into it!

1. Selecteer je model

Het kiezen van het juiste AI-model begint met een duidelijke use case. Een klantenservice chatbot profiteert bijvoorbeeld van een Natural Language Processing (NLP)-model zoals GPT-4, terwijl een kwaliteitscontrolesysteem in een fabriek beter past bij een computervisiemodel zoals YOLO (You Only Look Once).

Het type data (tekst vs. afbeeldingen) en je doelen bepalen vaak welk model het beste aansluit. Test meerdere modellen om te zien welke het beste aan je behoeften voldoet.

2. Configureer je agent en verbinding(en)

Om AI in je OutSystems-applicatie te integreren, moet je een verbinding opzetten tussen je app en je AI-model. Afhankelijk van je platform en tools kun je dit op twee manieren doen: met de AI Agent Builder (ODC) of via de API-methode.

AI Agent Builder (alleen ODC)

Deze intuïtieve tool maakt het eenvoudig om je AI-agent te configureren. Het is een uitstekende start, met twee proefmodellen om mee te experimenteren en handige vooraf geconfigureerde sjablonen voor snelle implementatie.

Zo stel je het in:

1. Klik op de knop ‘AI-model toevoegen’,
2. Vul de naam, ID en beschrijving in,
3. Voeg je endpoints toe, en klaar ben je!

Vanuit de detailpagina van de agent kun je de instellingen verder afstemmen, zoals instructies, externe gegevensbronnen of geavanceerde instellingen zoals het maximaal aantal tokens of de temperatuur.

API-methode

Gebruik je nog OutSystems 11 of geef je de voorkeur aan een handmatige aanpak? Het opzetten van een REST API-verbinding is net zo effectief. Hoewel dit meer configuratie vereist, biedt het flexibiliteit om verbinding te maken met een brede selectie aan modellen en geavanceerde instellingen aan te passen. Verbind met het endpoint van je gekozen model, en je bent klaar om het in je OutSystems-app te gebruiken.

3. Ontwerp je prompt

Een goede prompt ontwerpen is net zo belangrijk voor AI-interactie als het geven van duidelijke instructies voor het maken van een PB&J sandwich. Onduidelijke beschrijvingen leveren bijna nooit het gewenste resultaat op. Een goed ontworpen prompt is de sleutel tot een AI-response waar je echt wat aan hebt.

Denk aan deze 4 elementen tijdens het ontwerpen van je prompt:

• Context: Definieer de rol van de AI.
  ‘Je bent een expert in het oplossen van kruiswoordraadsels.’
• Instructies: Specificeer de taak.
  ‘Je taak is om kruiswoordvragen op te lossen op basis van de vraag en de lengte van het antwoord.’
• Voorbeelden: Geef voorbeelden om richting te geven.
  ‘Als de invoer “Een fantastisch low-code platform (10)” is, geef dan “OutSystems” als antwoord.’
• Beperkingen: Voeg extra regels toe om irrelevante antwoorden te minimaliseren.
  ‘Geef alleen een resultaat als je 100% zeker bent.’

Zorg dat je prompt goed in elkaar zit en voorkom je dat je agent pindakaas op de deksel smeert. 😉

4. Implementeer de AI-call en response

AI Agent Builder

Er zijn verschillende manieren om een AI-call en response te implementeren. Hieronder bespreken we twee veelvoorkomende methoden.

Directe API-call

Bij een directe API-call gebruik je een REST-service om verbinding te maken met het AI-model. Voordat je een verzoek verstuurt, is het belangrijk om te controleren of de benodigde gegevens aanwezig zijn, zoals een bericht en een geselecteerd model. Dit voorkomt “lege” calls, bespaart kosten en minimaliseert onnodige verwerking.

Voorbeeldscenario:

1. Controleer of een bericht en model beschikbaar zijn voordat je een call doet.
2. Als alles aanwezig is, gebruik je de REST-service om een verzoek naar het ChatGPT-endpoint te sturen.
3. Sla de ontvangen response op in je applicatie voor verdere verwerking, zoals het weergeven van het antwoord aan de gebruiker.

AI Agent Builder

Een andere methode is het gebruik van de AI Agent Builder in ODC. Dit maakt het mogelijk om AI-agenten te creëren en eenvoudig te verbinden met je applicatie.

Hoe werkt het?:

1. Tijdens het configureren van de AI-agent in de Agent Builder heb je een uniek ID aangemaakt.
2. Gebruik dit ID samen met de ‘CallAgent’-serviceactie van de AI Agent Builder.
3. Sla de response van de AI-agent op in je applicatie.

Afhankelijk van je use case kun je deze response vervolgens gebruiken om de vraag of behoefte van de gebruiker af te handelen, zoals het beantwoorden van een vraag of het uitvoeren van een specifieke actie.

Samenvatting

In deze eerste blog hebben we de belangrijkste stappen besproken voor een succesvolle integratie van AI in je OutSystems-applicaties: het juiste model kiezen, configureren, de prompt ontwerpen en de call en response implementeren. Ik hoop dat je hiermee ziet hoe eenvoudig het is om je eigen AI-projecten te starten. Probeer het eens!

Nog wat extra inspiratie nodig? Blijf op de hoogte voor de volgende blog, waarin we enkele praktijkvoorbeelden bespreken.