私も深く同意します:1。 複数のエージェント間の並列連携は、単一のスレッドほど安定していません。 2. RAG は従来の検索ほど信頼性がありません。 3. プロンプトの指示が多いほど、モデルは選択方法を知りません。 ——原文訳は以下の通りです—— AI エージェントを構築する過程で、私たちのチームは 3 つの「思考ウイルス」を特定し@Cline。 いわゆる「思考ウイルス」とは、非常に賢く聞こえますが、実際にはまったく機能しない魅力的なアイデアです。 3つのウイルスは次のとおりです。 * マルチエージェントオーケストレーション * 検索拡張生成 (RAG) * 指示が多いほど = 効果が良くなります 確認してみましょう! 1. マルチエージェントコラボレーション SF映画の「後方エージェント、軍需エージェント、分析エージェント、コマンドエージェント」というようなシーンが、サブエージェントの大グループを派遣し、最終的に結果をまとめるシーンは、本当にクールに聞こえます。 しかし、現実には、有用なエージェント作業の大部分はシングルスレッドです。 複雑なコラボレーションプロセスでは、真の価値がもたらされることはめったになく、しばしば混乱を引き起こします。 ご存知のように、モデルを 1 つのスレッドで安定して動作させるのは、ましてや並列コラボレーション ロジックを処理することは十分に困難です。 これにより、実装が複雑になるだけでなく、モデルの理解と意思決定プロセスも非常に複雑になります。 2. RAG を使用してエージェントを構築する RAG(Retrieval Augmented Generation)も思考ウイルスです。 理論的には強力に見えますが、実際には、特にエージェントのシナリオでは、GREPのような基本的なテキスト検索コマンドでさえ、それよりも優れている場合があります。 実際のエージェントのワークフローでRAGのオーラが薄れるのはなぜですか? なぜなら、取得された情報は断片化されることが多く、モデルが首尾一貫した有用な「理解」を形成することができないからです。 より良いアプローチは、ほとんどの場合、モデルにファイルを独自にリストさせ、grepのような方法で検索してから、ファイル全体を開いて読み取ることです(人間と同じように)。 @Clineチームは早くからこれを開始し、その後、リサーチプレビューと@Cursorの@Ampもこのより実用的なアプローチに移行していることがわかりました。 3.指示が多いほど効果が良い システムプロンプトに「命令」をどんどん積み上げると、モデルがより賢くなるという誤解が広まっています。 これは完全に間違っています。 プロンプトに「水をまく」と、指示が増えると提案が矛盾したり、情報過多になったりする傾向があるため、モデルを混乱させるだけです。 その結果、「モグラたたき」のゲームをプレイし、本当に有用な出力を得る代わりに、モデルのあらゆる種類の奇妙な動作を常にいじくり回さなければなりません。 今日の最先端モデルのほとんどにとって、邪魔にならないようにする最善の方法は、特定の方向に誘導しようとして怒鳴らないことです。 あなたの一言一言(またはトークン)を大切にしてください。 全体として、上記の 3 つのアイデアはすべて非常に魅力的です。 一日中 AI を使っていないと、どれも理にかなっていると思うかもしれませんが、そうではありません。 もちろん、基礎となるモデルの機能が向上するにつれて、これらの方法に対する私たちの認識は将来変わる可能性があります。