QuantyDocs

Badaj firmy z pomocą agenta

Masz arkusz z 40 firmami docelowymi i każdą trzeba wzbogacić: czym się zajmuje, sygnały o zatrudnieniu, cokolwiek wartego uwagi. Zamiast promptować jednorazowo, budujesz agenta badawczego wielokrotnego użytku i pozwalasz mu przejść przez wiersze jako budżetowane zadania — każde uruchomienie jest audytowane, wycenione i możliwe do zatrzymania.

Czego potrzebujesz: arkusza z kolumną nazw firm i aktywnej subskrypcji (uruchomienia agentów zużywają budżet AI organizacji).

Krok 1 — Zbuduj agenta

Otwórz stronę Agenci i utwórz nowego agenta. Najszybsza droga: opisz zwykłym językiem, czego potrzebujesz, i pozwól Quanty przygotować szkic — generator proponuje nazwę, opis, instrukcje i przykładowe prompty, które możesz zredagować przed zapisaniem.

Agent ma:

  • Instrukcje — osobowość i metodę, np. jak prowadzić research i jak formułować wnioski.
  • Model — na którym modelu językowym działa.
  • Konektory — opcjonalne integracje, z których agent może korzystać (Gmail, Arkusze Google, Outlook, Slack, Notion, HubSpot).
  • Przykładowe prompty — do 6 podpowiedzi startowych widocznych w czacie; można je też wygenerować jednym kliknięciem.

Agenci są domyślnie włączeni; przełącznik aktywności wyłącza agenta bez usuwania go.

Krok 2 — Skieruj go na swój arkusz

Otwórz arkusz, a potem czat. W nagłówku czatu przełącz się z domyślnego agenta Quanty na swojego agenta badawczego. Baner kontekstu potwierdza, że agent pracuje z Twoim arkuszem i może z czatu dodawać wiersze, kolumny i edytować komórki.

Krok 3 — Rozpocznij research

Poproś o wzbogacenie zwykłym językiem:

Dla każdej firmy w tym arkuszu zbadaj, czym się zajmuje, i wypełnij kolumnę Notatki.

Za kulisami każda jednostka pracy działa jako zadanie agenta z budżetem na uruchomienie — domyślnie 0,50 USD, maksymalnie 2,00 USD. Zadanie zwraca wartość wraz z pewnością i uzasadnieniem agenta oraz kosztem uruchomienia.

Krok 4 — Obserwuj panel Aktywność agentów

Panel na żywo (na pasku narzędzi siatki i w nagłówku czatu) pokazuje każde uruchomienie ze statusem: W kolejce, W toku, Gotowe, Niepowodzenie, Zatrzymane lub Budżet wyczerpany. Wartości zweryfikowane wykonaniem kodu mają odznakę „Obliczone w sandboksie Pythona"; oszacowania są oznaczone „Bez weryfikacji w sandboksie — wartość oszacowana przez model".

Wszystko, co działa, można zatrzymać przed kolejnym płatnym wywołaniem.

Krok 5 — Sprawdź uruchomienia i koszty

Otwórz dowolne uruchomienie, aby zobaczyć pełny ślad kroków — na co agent patrzył i dlaczego doszedł do takich wniosków. Koszty uruchomień są zapisywane w zużyciu AI organizacji, więc pojawiają się w rejestrze tokenów w Ustawienia → Rozliczenia obok wydatków na czat i ekstrakcję.

Krok 6 — Przejrzyj wyniki

Wzbogacone wartości trafiają do arkusza jak każdy inny wynik AI: otwórz panel komórki, aby zobaczyć uzasadnienie, zatwierdź lub odrzuć, a to, co nie może się zmieniać, zablokuj jako wartość wzorcową.

Co dalej