Anleitung: Erstellen Ihres ersten Prozesses

Warnung

Das Semantische Kernel-Prozess-Framework ist experimentell, befindet sich noch in der Entwicklung und kann sich ändern.

Überblick

Das Semantic Kernel Process Framework ist ein leistungsfähiges Orchestrierungs-SDK, das die Entwicklung und Ausführung von KI-integrierten Prozessen vereinfacht. Ganz gleich, ob Sie einfache Workflows oder komplexe Systeme verwalten, mit diesem Framework können Sie eine Reihe von Schritten definieren, die auf strukturierte Weise ausgeführt werden können, um die Funktionen Ihrer Anwendung mit Leichtigkeit und Flexibilität zu verbessern.

Das Prozess-Framework wurde für die Erweiterbarkeit entwickelt und unterstützt verschiedene Betriebsmuster wie sequenzielle Ausführung, parallele Verarbeitung, Fan-In- und Fan-Out-Konfigurationen und sogar Map-Reduce-Strategien. Diese Anpassung macht es für eine Vielzahl von realen Anwendungen geeignet, insbesondere für solche, die intelligente Entscheidungsfindung und mehrstufige Workflows erfordern.

Erste Schritte

Das semantische Kernelprozessframework kann verwendet werden, um KI in einen beliebigen Geschäftsprozess zu integrieren, den Sie sich vorstellen können. Als illustratives Beispiel für die ersten Schritte sehen wir uns das Erstellen eines Prozesses zum Generieren von Dokumentationen für ein neues Produkt an.

Bevor wir beginnen, stellen Sie sicher, dass die erforderlichen semantischen Kernelpakete installiert sind:

// Install the Semantic Kernel Process Framework Local Runtime package
dotnet add package Microsoft.SemanticKernel.Process.LocalRuntime --version 1.46.0-alpha
// or
// Install the Semantic Kernel Process Framework Dapr Runtime package
dotnet add package Microsoft.SemanticKernel.Process.Runtime.Dapr --version 1.46.0-alpha

pip install semantic-kernel==1.20.0

Illustratives Beispiel: Generieren der Dokumentation für ein neues Produkt

In diesem Beispiel verwenden wir das Semantic Kernel Process Framework, um einen automatisierten Prozess zum Erstellen von Dokumentationen für ein neues Produkt zu entwickeln. Dieser Prozess wird einfach beginnen und sich weiterentwickeln, während wir realistischere Szenarien abdecken.

Wir beginnen mit der Modellierung des Dokumentationsprozesses mit einem sehr einfachen Fluss:

1. GatherProductInfoStep: Sammeln Sie Informationen über das Produkt.
2. GenerateDocumentationStep: Bitten Sie einen LLM, dokumentationen aus den in Schritt 1 gesammelten Informationen zu generieren.
3. PublishDocumentationStep: Veröffentlichen Sie die Dokumentation.

Nachdem wir nun unsere Prozesse verstanden haben, erstellen wir sie.

Definieren der Prozessschritte

Jeder Schritt eines Prozesses wird durch eine Klasse definiert, die von unserer Basisschrittklasse erbt. Für diesen Prozess haben wir drei Schritte:

using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel;

// A process step to gather information about a product
public class GatherProductInfoStep: KernelProcessStep
{
    [KernelFunction]
    public string GatherProductInformation(string productName)
    {
        Console.WriteLine($"{nameof(GatherProductInfoStep)}:\n\tGathering product information for product named {productName}");

        // For example purposes we just return some fictional information.
        return
            """
            Product Description:
            GlowBrew is a revolutionary AI driven coffee machine with industry leading number of LEDs and programmable light shows. The machine is also capable of brewing coffee and has a built in grinder.

            Product Features:
            1. **Luminous Brew Technology**: Customize your morning ambiance with programmable LED lights that sync with your brewing process.
            2. **AI Taste Assistant**: Learns your taste preferences over time and suggests new brew combinations to explore.
            3. **Gourmet Aroma Diffusion**: Built-in aroma diffusers enhance your coffee's scent profile, energizing your senses before the first sip.

            Troubleshooting:
            - **Issue**: LED Lights Malfunctioning
                - **Solution**: Reset the lighting settings via the app. Ensure the LED connections inside the GlowBrew are secure. Perform a factory reset if necessary.
            """;
    }
}

// A process step to generate documentation for a product
public class GenerateDocumentationStep : KernelProcessStep<GeneratedDocumentationState>
{
    private GeneratedDocumentationState _state = new();

    private string systemPrompt =
            """
            Your job is to write high quality and engaging customer facing documentation for a new product from Contoso. You will be provide with information
            about the product in the form of internal documentation, specs, and troubleshooting guides and you must use this information and
            nothing else to generate the documentation. If suggestions are provided on the documentation you create, take the suggestions into account and
            rewrite the documentation. Make sure the product sounds amazing.
            """;

    // Called by the process runtime when the step instance is activated. Use this to load state that may be persisted from previous activations.
    override public ValueTask ActivateAsync(KernelProcessStepState<GeneratedDocumentationState> state)
    {
        this._state = state.State!;
        this._state.ChatHistory ??= new ChatHistory(systemPrompt);

        return base.ActivateAsync(state);
    }

    [KernelFunction]
    public async Task GenerateDocumentationAsync(Kernel kernel, KernelProcessStepContext context, string productInfo)
    {
        Console.WriteLine($"[{nameof(GenerateDocumentationStep)}]:\tGenerating documentation for provided productInfo...");

        // Add the new product info to the chat history
        this._state.ChatHistory!.AddUserMessage($"Product Info:\n{productInfo.Title} - {productInfo.Content}");

        // Get a response from the LLM
        IChatCompletionService chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();
        var generatedDocumentationResponse = await chatCompletionService.GetChatMessageContentAsync(this._state.ChatHistory!);

        DocumentInfo generatedContent = new()
        {
            Id = Guid.NewGuid().ToString(),
            Title = $"Generated document - {productInfo.Title}",
            Content = generatedDocumentationResponse.Content!,
        };

        this._state!.LastGeneratedDocument = generatedContent;

        await context.EmitEventAsync("DocumentationGenerated", generatedContent);
    }

    public class GeneratedDocumentationState
    {
        public DocumentInfo LastGeneratedDocument { get; set; } = new();
        public ChatHistory? ChatHistory { get; set; }
    }
}

// A process step to publish documentation
public class PublishDocumentationStep : KernelProcessStep
{
    [KernelFunction]
    public DocumentInfo PublishDocumentation(DocumentInfo document)
    {
        // For example purposes we just write the generated docs to the console
        Console.WriteLine($"[{nameof(PublishDocumentationStep)}]:\tPublishing product documentation approved by user: \n{document.Title}\n{document.Content}");
        return document;
    }
}

// Custom classes must be serializable
public class DocumentInfo
{
    public string Id { get; set; } = string.Empty;
    public string Title { get; set; } = string.Empty;
    public string Content { get; set; } = string.Empty;
}

Der obige Code definiert die drei Schritte, die wir für unseren Prozess benötigen. Hier sind einige Punkte zu nennen:

• Im Semantischen Kernel definiert ein KernelFunction einen Codeblock, der von nativem Code oder von einem LLM (Large Language Model) aufrufbar ist. Im Falle des Prozess-Frameworks sind KernelFunction die aufrufbaren Mitglieder eines Schritts, und für jeden Schritt muss mindestens eine KernelFunction definiert werden.
• Das Prozessframework unterstützt zustandslose und zustandsbehaftete Schritte. Zustandsbehaftete Schritte speichern ihren Fortschritt automatisch und behalten den Zustand über mehrere Aufrufe bei. GenerateDocumentationStep bietet ein Beispiel dafür, in dem die GeneratedDocumentationState Klasse verwendet wird, um die Objekte ChatHistory und LastGeneratedDocument zu persistieren.
• Schritte im Code können Ereignisse manuell auslösen, indem EmitEventAsync für das KernelProcessStepContext-Objekt aufgerufen wird. Zum Abrufen einer Instanz von KernelProcessStepContext fügen Sie sie einfach als Parameter zu Ihrer KernelFunction hinzu, und das Framework fügt sie automatisch ein.

import asyncio
from typing import ClassVar

from pydantic import BaseModel, Field

from semantic_kernel import Kernel
from semantic_kernel.connectors.ai.chat_completion_client_base import ChatCompletionClientBase
from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion
from semantic_kernel.contents import ChatHistory
from semantic_kernel.functions import kernel_function
from semantic_kernel.processes import ProcessBuilder
from semantic_kernel.processes.kernel_process import KernelProcessStep, KernelProcessStepContext, KernelProcessStepState
from semantic_kernel.processes.local_runtime import KernelProcessEvent, start


# A process step to gather information about a product
class GatherProductInfoStep(KernelProcessStep):
    @kernel_function
    def gather_product_information(self, product_name: str) -> str:
        print(f"{GatherProductInfoStep.__name__}\n\t Gathering product information for Product Name: {product_name}")

        return """
Product Description:

GlowBrew is a revolutionary AI driven coffee machine with industry leading number of LEDs and 
programmable light shows. The machine is also capable of brewing coffee and has a built in grinder.

Product Features:
1. **Luminous Brew Technology**: Customize your morning ambiance with programmable LED lights that sync 
    with your brewing process.
2. **AI Taste Assistant**: Learns your taste preferences over time and suggests new brew combinations 
    to explore.
3. **Gourmet Aroma Diffusion**: Built-in aroma diffusers enhance your coffee's scent profile, energizing 
    your senses before the first sip.

Troubleshooting:
- **Issue**: LED Lights Malfunctioning
    - **Solution**: Reset the lighting settings via the app. Ensure the LED connections inside the 
        GlowBrew are secure. Perform a factory reset if necessary.
        """


# A sample step state model for the GenerateDocumentationStep
class GeneratedDocumentationState(BaseModel):
    """State for the GenerateDocumentationStep."""

    chat_history: ChatHistory | None = None


# A process step to generate documentation for a product
class GenerateDocumentationStep(KernelProcessStep[GeneratedDocumentationState]):
    state: GeneratedDocumentationState = Field(default_factory=GeneratedDocumentationState)

    system_prompt: ClassVar[str] = """
Your job is to write high quality and engaging customer facing documentation for a new product from Contoso. You will 
be provided with information about the product in the form of internal documentation, specs, and troubleshooting guides 
and you must use this information and nothing else to generate the documentation. If suggestions are provided on the 
documentation you create, take the suggestions into account and rewrite the documentation. Make sure the product 
sounds amazing.
"""

    async def activate(self, state: KernelProcessStepState[GeneratedDocumentationState]):
        self.state = state.state
        if self.state.chat_history is None:
            self.state.chat_history = ChatHistory(system_message=self.system_prompt)
        self.state.chat_history

    @kernel_function
    async def generate_documentation(
        self, context: KernelProcessStepContext, product_info: str, kernel: Kernel
    ) -> None:
        print(f"{GenerateDocumentationStep.__name__}\n\t Generating documentation for provided product_info...")

        self.state.chat_history.add_user_message(f"Product Information:\n{product_info}")

        chat_service, settings = kernel.select_ai_service(type=ChatCompletionClientBase)
        assert isinstance(chat_service, ChatCompletionClientBase)  # nosec

        response = await chat_service.get_chat_message_content(chat_history=self.state.chat_history, settings=settings)

        await context.emit_event(process_event="documentation_generated", data=str(response))


# A process step to publish documentation
class PublishDocumentationStep(KernelProcessStep):
    @kernel_function
    async def publish_documentation(self, docs: str) -> None:
        print(f"{PublishDocumentationStep.__name__}\n\t Publishing product documentation:\n\n{docs}")

Der obige Code definiert die drei Schritte, die wir für unseren Prozess benötigen. Hier sind einige Punkte zu nennen:

• Im Semantischen Kernel definiert ein KernelFunction einen Codeblock, der von nativem Code oder von einem LLM (Large Language Model) aufrufbar ist. Im Falle des Prozess-Frameworks sind KernelFunction die aufrufbaren Mitglieder eines Schritts, und für jeden Schritt muss mindestens eine KernelFunction definiert werden.
• Das Prozessframework unterstützt zustandslose und zustandsbehaftete Schritte. Zustandsbehaftete Schritte speichern ihren Fortschritt automatisch und behalten den Zustand über mehrere Aufrufe bei. Die GenerateDocumentationStep stellt ein Beispiel dafür bereit, in dem die GeneratedDocumentationState Klasse verwendet wird, um das ChatHistory-Objekt beizubehalten.
• Schritte im Code können Ereignisse manuell auslösen, indem emit_event für das KernelProcessStepContext-Objekt aufgerufen wird. Zum Abrufen einer Instanz von KernelProcessStepContext fügen Sie sie einfach als Parameter zu Ihrer KernelFunction hinzu, und das Framework fügt sie automatisch ein.

Definieren des Prozessablaufs

// Create the process builder
ProcessBuilder processBuilder = new("DocumentationGeneration");

// Add the steps
var infoGatheringStep = processBuilder.AddStepFromType<GatherProductInfoStep>();
var docsGenerationStep = processBuilder.AddStepFromType<GenerateDocumentationStep>();
var docsPublishStep = processBuilder.AddStepFromType<PublishDocumentationStep>();

// Orchestrate the events
processBuilder
    .OnInputEvent("Start")
    .SendEventTo(new(infoGatheringStep));

infoGatheringStep
    .OnFunctionResult()
    .SendEventTo(new(docsGenerationStep));

docsGenerationStep
    .OnFunctionResult()
    .SendEventTo(new(docsPublishStep));

Hier passiert einiges, also lasst es uns Schritt für Schritt aufteilen.

1. Erstellen Sie den Builder: Prozesse verwenden ein Builder-Muster, um das Zusammenschalten aller Komponenten zu vereinfachen. Der Generator stellt Methoden zum Verwalten der Schritte innerhalb eines Prozesses und zum Verwalten des Lebenszyklus des Prozesses bereit.

2. Fügen Sie die Schritte hinzu: Schritte werden dem Prozess hinzugefügt, indem sie die AddStepFromType Methode des Generators aufrufen. Auf diese Weise kann das Prozessframework den Lebenszyklus von Schritten verwalten, indem Instanzen nach Bedarf instanziiert werden. In diesem Fall haben wir dem Prozess drei Schritte hinzugefügt und jeweils eine Variable erstellt. Diese Variablen geben uns eine Referenz auf die eindeutige Instanz jedes Schritts, die wir als Nächstes verwenden können, um die Orchestrierung von Ereignissen zu definieren.

3. Koordinieren Sie die Ereignisse: Hier werden die Routenführung von Ereignissen von Schritt zu Schritt definiert. In diesem Fall haben wir die folgenden Routen:

   • Wenn ein externes Ereignis mit id = Start an den Prozess gesendet wird, werden dieses Ereignis und die zugehörigen Daten an den infoGatheringStep Schritt gesendet.
   • Wenn die Ausführung des infoGatheringStep abgeschlossen ist, senden Sie das zurückgegebene Objekt an den docsGenerationStep Schritt.
   • Wenn die Ausführung des docsGenerationStep abgeschlossen ist, senden Sie das zurückgegebene Objekt an den docsPublishStep Schritt.

Tipp

Ereignisrouting im Prozess-Framework: Sie fragen sich vielleicht, wie Ereignisse, die an Verarbeitungsschritte gesendet werden, innerhalb des Schritts an KernelFunctions geroutet werden. Im obigen Code hat jeder Schritt nur eine einzelne KernelFunction definiert, und jede KernelFunction verfügt nur über einen einzigen Parameter (außer Kernel und den Schrittkontext, der speziell ist, mehr dazu später). Wenn das Ereignis, das die generierte Dokumentation enthält, an die docsPublishStep gesendet wird, wird es an den document Parameter der PublishDocumentation KernelFunction des docsGenerationStep Schritts übergeben, da keine andere Wahl vorhanden ist. Schritte können jedoch mehrere Kernelfunktionen haben und Kernelfunktionen können mehrere Parameter haben, in diesen advancierten Szenarien müssen Sie die Zielfunktion und den Parameter angeben.

# Create the process builder
process_builder = ProcessBuilder(name="DocumentationGeneration")

# Add the steps
info_gathering_step = process_builder.add_step(GatherProductInfoStep)
docs_generation_step = process_builder.add_step(GenerateDocumentationStep)
docs_publish_step = process_builder.add_step(PublishDocumentationStep)

# Orchestrate the events
process_builder.on_input_event("Start").send_event_to(target=info_gathering_step)

info_gathering_step.on_function_result().send_event_to(
    target=docs_generation_step, function_name="generate_documentation", parameter_name="product_info"
)

docs_generation_step.on_event("documentation_generated").send_event_to(target=docs_publish_step)

# Configure the kernel with an AI Service and connection details, if necessary
kernel = Kernel()
kernel.add_service(AzureChatCompletion())

# Build the process
kernel_process = process_builder.build()

Hier passiert einiges, also lasst es uns Schritt für Schritt aufteilen.

1. Erstellen Sie den Builder: Prozesse verwenden ein Builder-Muster, um das Zusammenschalten aller Komponenten zu vereinfachen. Der Generator stellt Methoden zum Verwalten der Schritte innerhalb eines Prozesses und zum Verwalten des Lebenszyklus des Prozesses bereit.

2. Fügen Sie die Schritte hinzu: Schritte werden dem Prozess hinzugefügt, indem die add_step Methode des Generators aufgerufen wird, wodurch der Schritttyp zum Generator hinzugefügt wird. Auf diese Weise kann das Prozessframework den Lebenszyklus von Schritten verwalten, indem Instanzen nach Bedarf instanziiert werden. In diesem Fall haben wir dem Prozess drei Schritte hinzugefügt und jeweils eine Variable erstellt. Diese Variablen geben uns eine Referenz auf die eindeutige Instanz jedes Schritts, die wir als Nächstes verwenden können, um die Orchestrierung von Ereignissen zu definieren.

3. Koordinieren Sie die Ereignisse: Hier werden die Routenführung von Ereignissen von Schritt zu Schritt definiert. In diesem Fall haben wir die folgenden Routen:

   • Wenn ein externes Ereignis mit id = Start an den Prozess gesendet wird, werden dieses Ereignis und die zugehörigen Daten an die info_gathering_step gesendet.
   • Wenn die info_gathering_step Ausführung abgeschlossen ist, senden Sie das zurückgegebene Objekt an das docs_generation_step.
   • Wenn die docs_generation_step Ausführung abgeschlossen ist, senden Sie das zurückgegebene Objekt an das docs_publish_step.

Tipp

Ereignisrouting im Prozess-Framework: Sie fragen sich vielleicht, wie Ereignisse, die an Verarbeitungsschritte gesendet werden, innerhalb des Schritts an KernelFunctions geroutet werden. Im obigen Code hat jeder Schritt nur eine einzelne KernelFunction definiert, und jede KernelFunction verfügt nur über einen einzigen Parameter (außer Kernel und den Schrittkontext, der speziell ist, mehr dazu später). Wenn das Ereignis, das die generierte Dokumentation enthält, an docs_publish_step gesendet wird, wird es an den docs Parameter der publish_documentation KernelFunction von docs_generation_step übergeben, da es keine andere Möglichkeit gibt. Schritte können jedoch mehrere Kernelfunktionen haben und Kernelfunktionen können mehrere Parameter haben, in diesen advancierten Szenarien müssen Sie die Zielfunktion und den Parameter angeben.

Erstellen und Ausführen des Prozesses

// Configure the kernel with your LLM connection details
Kernel kernel = Kernel.CreateBuilder()
    .AddAzureOpenAIChatCompletion("myDeployment", "myEndpoint", "myApiKey")
    .Build();

// Build and run the process
var process = processBuilder.Build();
await process.StartAsync(kernel, new KernelProcessEvent { Id = "Start", Data = "Contoso GlowBrew" });

Wir erstellen den Prozess und rufen StartAsync auf, um ihn auszuführen. Unser Prozess erwartet ein anfängliches externes Ereignis namens Start, um den Prozess in Gang zu setzen, und wir stellen dieses Ereignis ebenfalls bereit. Wenn Sie diesen Prozess ausführen, wird die folgende Ausgabe in der Konsole angezeigt:

GatherProductInfoStep: Gathering product information for product named Contoso GlowBrew
GenerateDocumentationStep: Generating documentation for provided productInfo
PublishDocumentationStep: Publishing product documentation:

# GlowBrew: Your Ultimate Coffee Experience Awaits!

Welcome to the world of GlowBrew, where coffee brewing meets remarkable technology! At Contoso, we believe that your morning ritual shouldn't just include the perfect cup of coffee but also a stunning visual experience that invigorates your senses. Our revolutionary AI-driven coffee machine is designed to transform your kitchen routine into a delightful ceremony.

## Unleash the Power of GlowBrew

### Key Features

- **Luminous Brew Technology**
  - Elevate your coffee experience with our cutting-edge programmable LED lighting. GlowBrew allows you to customize your morning ambiance, creating a symphony of colors that sync seamlessly with your brewing process. Whether you need a vibrant wake-up call or a soothing glow, you can set the mood for any moment!

- **AI Taste Assistant**
  - Your taste buds deserve the best! With the GlowBrew built-in AI taste assistant, the machine learns your unique preferences over time and curates personalized brew suggestions just for you. Expand your coffee horizons and explore delightful new combinations that fit your palate perfectly.

- **Gourmet Aroma Diffusion**
  - Awaken your senses even before that first sip! The GlowBrew comes equipped with gourmet aroma diffusers that enhance the scent profile of your coffee, diffusing rich aromas that fill your kitchen with the warm, inviting essence of freshly-brewed bliss.

### Not Just Coffee - An Experience

With GlowBrew, it's more than just making coffee-it's about creating an experience that invigorates the mind and pleases the senses. The glow of the lights, the aroma wafting through your space, and the exceptional taste meld into a delightful ritual that prepares you for whatever lies ahead.

## Troubleshooting Made Easy

While GlowBrew is designed to provide a seamless experience, we understand that technology can sometimes be tricky. If you encounter issues with the LED lights, we've got you covered:

- **LED Lights Malfunctioning?**
  - If your LED lights aren't working as expected, don't worry! Follow these steps to restore the glow:
    1. **Reset the Lighting Settings**: Use the GlowBrew app to reset the lighting settings.
    2. **Check Connections**: Ensure that the LED connections inside the GlowBrew are secure.
    3. **Factory Reset**: If you're still facing issues, perform a factory reset to rejuvenate your machine.

With GlowBrew, you not only brew the perfect coffee but do so with an ambiance that excites the senses. Your mornings will never be the same!

## Embrace the Future of Coffee

Join the growing community of GlowBrew enthusiasts today, and redefine how you experience coffee. With stunning visual effects, customized brewing suggestions, and aromatic enhancements, it's time to indulge in the delightful world of GlowBrew-where every cup is an adventure!

### Conclusion

Ready to embark on an extraordinary coffee journey? Discover the perfect blend of technology and flavor with Contoso's GlowBrew. Your coffee awaits!

# Configure the kernel with an AI Service and connection details, if necessary
kernel = Kernel()
kernel.add_service(AzureChatCompletion())

# Build the process
kernel_process = process_builder.build()

# Start the process
async with await start(
    process=kernel_process,
    kernel=kernel,
    initial_event=KernelProcessEvent(id="Start", data="Contoso GlowBrew"),
) as process_context:
    _ = await process_context.get_state()

Wir erstellen den Prozess und rufen start mit dem asynchronen Kontext-Manager auf, um ihn auszuführen. Unser Prozess erwartet ein anfängliches externes Ereignis namens Start, um den Prozess in Gang zu setzen, und wir stellen dieses Ereignis ebenfalls bereit. Wenn Sie diesen Prozess ausführen, wird die folgende Ausgabe in der Konsole angezeigt:

GatherProductInfoStep
         Gathering product information for Product Name: Contoso GlowBrew
GenerateDocumentationStep
         Generating documentation for provided product_info...
PublishDocumentationStep
         Publishing product documentation:

# GlowBrew AI-Driven Coffee Machine: Elevate Your Coffee Experience

Welcome to the future of coffee enjoyment with GlowBrew, the AI-driven coffee machine that not only crafts the perfect cup but does so with a light show that brightens your day. Designed for coffee enthusiasts and tech aficionados alike, GlowBrew combines cutting-edge brewing technology with an immersive lighting experience to start every day on a bright note.

## Unleash the Power of Luminous Brew Technology

With GlowBrew, your mornings will never be dull. The industry-leading number of programmable LEDs offers endless possibilities for customizing your coffee-making ritual. Sync the light show with the brewing process to create a visually stimulating ambiance that transforms your kitchen into a vibrant café each morning.

## Discover New Flavor Dimensions with the AI Taste Assistant

Leave the traditional coffee routines behind and say hello to personalization sophistication. The AI Taste Assistant learns and adapts to your unique preferences over time. Whether you prefer a strong espresso or a light latte, the assistant suggests new brew combinations tailored to your palate, inviting you to explore a world of flavors you never knew existed.

## Heighten Your Senses with Gourmet Aroma Diffusion

The moment you step into the room, let the GlowBrew’s built-in aroma diffusers captivate your senses. This feature is designed to enrich your coffee’s scent profile, ensuring every cup you brew is a multi-sensory delight. Let the burgeoning aroma energize you before the very first sip.

## Troubleshooting Guide: LED Lights Malfunctioning

Occasionally, you might encounter an issue with the LED lights not functioning as intended. Here’s how to resolve it efficiently:

- **Reset Lighting Settings**: Start by using the GlowBrew app to reset the lighting configurations to their default state.
- **Check Connections**: Ensure that all LED connections inside your GlowBrew machine are secure and properly connected.
- **Perform a Factory Reset**: If the problem persists, perform a factory reset on your GlowBrew to restore all settings to their original state.

Experience the art of coffee making like never before with the GlowBrew AI-driven coffee machine. From captivating light shows to aromatic sensations, every feature is engineered to enhance your daily brew. Brew, savor, and glow with GlowBrew.

Was kommt als nächstes?

Unser erster Entwurf des Dokumentationsgenerierungsprozesses funktioniert, aber es bleibt viel zu wünschen übrig. Mindestens eine Produktionsversion würde Folgendes benötigen:

• Ein Korrekturlesemitarbeiter, der die generierte Dokumentation benotet und überprüft, ob sie unseren Qualitäts- und Genauigkeitsstandards entspricht.
• Ein Genehmigungsprozess, bei dem die Dokumentation erst veröffentlicht wird, nachdem ein Mensch sie genehmigt hat (Mensch im Entscheidungsprozess).

Einen Korrekturleser-Agenten zu unserem Prozess hinzufügen...