Я глибоко згоден:1. Паралельна взаємодія між декількома агентами не така стабільна, як один потік. 2. RAG не такий надійний, як традиційний пошук; 3. Чим більше інструкцій у підказці, тим більше модель не знає, як вибрати. ——Оригінальний переклад такий—— На шляху до створення агентів штучного інтелекту наша команда @Cline виявила три «віруси мислення». Так званий «вірус мислення» – це ті спокусливі ідеї, які звучать дуже розумно, але зовсім не працюють на практиці. Три віруси: * Багатоагентна оркестрація * Отримана розширена генерація (RAG) * Чим більше інструкцій = тим кращий ефект Давайте дізнаємося! 1. Співпраця з кількома агентами Сцена в науково-фантастичному фільмі - "тилові агенти, агенти боєприпасів, агенти аналізу, командні агенти" - відправляють велику групу субагентів, і нарешті підбивають підсумки - звучить дійсно круто. Але реальність така, що переважна більшість корисної агентської роботи є однопотоковою. Складні процеси співпраці рідко приносять реальну цінність і часто створюють хаос. Знаєте, досить складно змусити модель стабільно працювати в одному потоці, не кажучи вже про те, щоб мати справу з логікою паралельної співпраці. Це не тільки підвищує складність реалізації, але і робить процес розуміння і прийняття рішень моделі вкрай складним. 2. Використовуйте RAG для створення агентів RAG, або Retrieval Augmented Generation, також є вірусом думок. Теоретично це виглядає потужно, але на практиці, особливо в сценаріях агентів, навіть базові команди текстового пошуку, такі як GREP, іноді виявляються кращими за нього. Чому аура RAG зникає в реальному робочому процесі агента? Тому що отримана інформація часто фрагментована і не може дозволити моделі сформувати зв'язне і корисне «розуміння». Кращим підходом майже завжди є дозволити моделі вивести список файлів самостійно, шукати таким чином, як grep, а потім відкрити та прочитати весь файл (як людина). Команда @Cline почала це робити рано, а потім ми побачили, що @Amp — Research Preview і @Cursor — також перейшли до цього більш прагматичного підходу. 3. Чим більше інструкцій = тим кращий ефект Існує поширена помилка, що нагромадження все нових і нових «інструкцій» в системних підказках робить модель розумнішою. Це абсолютно неправильно. «Полив» підказки лише заплутає модель, оскільки більша кількість інструкцій, як правило, призводить до суперечливих пропозицій та інформаційного перевантаження. В результаті вам доведеться грати в гру «вдар крота» і постійно возитися з усілякими дивними поведінками моделі замість того, щоб отримати дійсно корисний результат. Для більшості сучасних ультрасучасних моделей найкращий спосіб зійти зі свого шляху – не кричати на них у спробі направити їх у певному напрямку. Будь ласка, цінуйте кожне своє слово (або знак). В цілому, всі три перераховані вище ідеї дуже привабливі. Якщо ви не працюєте зі штучним інтелектом цілий день, ви можете подумати, що всі вони мають великий сенс, але це не так. Звичайно, у міру того, як можливості базових моделей покращуються, наше сприйняття цих методів може змінитися в майбутньому.