AutoFlow-V6-Universal-Qwen3.5-9B-LoRA
автономный агент для бизнес-процессов
2 мин чтенияобновлено
Это LoRA (небольшая надстройка над базовой моделью) от автора lokesh535 на базе Qwen/Qwen3.5-9B, созданная для автоматизации рабочих процессов и многошагового вызова инструментов. Модель проверяет структурированные бизнес-записи по заданным правилам, выполняет цепочки вызовов () и не придумывает ложных отчётов о выполнении действий. От других адаптеров она отличается устойчивостью к prompt-инъекциям внутри недоверенных полей данных и способностью работать в новых доменах без дообучения (zero-shot). Решение пригодится разработчикам корпоративных ИИ-агентов и систем автоматизации.
Ключевые особенности
- Устойчивость к prompt-инъекциям, скрытым в обрабатываемых полях данных.
- Поддержка многошагового вызова инструментов с помощью тегов
и контроль отсутствия ложных срабатываний. - Работа в незнакомых предметных областях в режиме zero-shot без дополнительного обучения.
- Готовый автономный Python SDK (
autoflow_universal_sdk.pyс классомAutoFlowUniversalEngine) в комплекте с весами.
Что можно сделать
- Автоматизировать обработку тикетов, заявок на возврат в e-commerce или прав доступа в корпоративных системах вроде SAP S/4HANA, Salesforce и ServiceNow.
- Встроить в пайплайны первичной проверки данных в медицине, авиации, энергетике или банковском антифроде (AML).
- Использовать вместе с базовой моделью Qwen/Qwen3.5-9B через PEFT или комплектный SDK для строгой валидации записей по регламентам.
Пример
Сценарий работы из карточки: на вход подаётся структурированная бизнес-запись и правила политики исполнения. Агент оценивает данные, игнорирует возможные prompt-инъекции внутри полей, формирует последовательность вызовов инструментов через и возвращает финальный статус без выдуманных действий.
Подробнее
Frozen Synthetic Workflow Suite: 200/200 (100%) по решениям, многошаговому вызову инструментов и отчётам.Enterprise Connector Suite (SAP, Salesforce, ServiceNow и др.) и Zero-Shot Unseen Domain: 100% успешных прохождений, 0 ложных заявлений о выполнении.
Параметры обучения: нативный
bfloat16, PEFT LoRA (r=8, alpha=16, target_modules=all).Ограничения: обучение и тесты проводились на структурированных шаблонах и песочницах — перед подключением к боевым API на запись рекомендуется оставлять подтверждение человеком (human-in-the-loop).










Комментарии