33 tekoälyagentin rakentaminen yhdellä moottorilla: katsaus viiteen niistä
Viimeisen vuoden aikana kirjoittaja rakensi 33 tekoälyagenttia yhdelle moottorille. Jokainen agentti on datavolyymi, ei haarukka, ja keskeinen muuttuja on koodin ja mallin välinen raja. Artikkelissa kerrotaan, miten agentit eroavat toisistaan kehotteen koon, työkaluvalikoiman ja koodi/malli-jaon suhteen, esimerkkeinä shakkivalmentajasta yrityksen asiakkuudenhallintajärjestelmään.
Kuluneen vuoden aikana kirjoittaja rakensi 33 tekoälyagenttia yhdellä moottorilla – yhdellä Docker-kuvalla ja koodikannalla ilman ydinosien muutoksia. Agentit vaihtelevat lapsen shakkivalmentajasta vaimon avustajiin, tutorointiin sekä metalli- ja energia-alan yritysrobotteihin. Päämuuttuja on se, mihin kukin agentti vetää rajan koodin laskeman ja mallin sanoman välillä. Henkilökohtaisissa agenteissa malli voi laskea suoraan, mutta yritysagenteissa se ei koskaan anna lopullisia numeroita; se asettaa vain syöttöparametreja, mikä on riski. Työkalujen skeemat alkavat hallita kehotetta kolmannen tusinan jälkeen; CRM-hallinnossa, jossa on 331 työkalua, JSON-skeemat ovat 302 kilotavua eli noin 75 000 tokenia jokaisen pyynnön etuliitteessä. Kolme asetusmuutosta vähensi kehotetokenit 15 266:sta 1 424:ään ja mediaanivasteen 17 sekunnista 7,7 sekuntiin. Moottori on NousResearchin Hermes Agent, jonka koodikanta on nuori heinäkuulta 2025. Agentit eroavat toisistaan pääasiassa persoonansa ja työkaluvalikoimansa suhteen; artikkelissa on taulukoita, joissa verrataan kehotekokoja ja mallivalintoja. Artikkelissa käsitellään myös joitakin epäonnistumisia, kuten saldoeroa ja 5 863 Python-koodiriviä, joita ei koskaan kutsuttu tuotannossa.
Lähde: Habr — хаб ИИ —
Alkuperäinen