Tekoälyagenttisi tarvitsee kartan: LLM Wiki tai README riittää
OpenAI
Anthropic
Artikkelissa käsitellään, miten tekoälyagentit voivat navigoida monimutkaisissa koodipohjissa käyttämällä jäsenneltyjä tietopankkeja, kuten LLM Wikiä tai README-suuntautunutta säilytyspaikkaa. Se esittelee Andrej Karpathyn LLM Wiki -mallin, jossa LLM kirjoittaa ja ylläpitää wikiä, ja vertaa sitä dokumentaatio-koodina-lähestymistapaan, jossa README-tiedostot toimivat ensisijaisena tietolähteenä. Kirjoittaja jakaa oman käytännön toteutuksensa LLM Wikistä maksualustalle ja vertaa molempia lähestymistapoja tiedon luomisen ja ylläpidon suhteen.
Artikkelissa väitetään, että tekoälyagentit tarvitsevat jäsennellyn tietokannan (kartan) välttääkseen aloittamisen alusta jokaisen istunnon yhteydessä. Siinä esitellään Andrej Karpathyn LLM Wiki -malli, joka koostuu kolmesta kerroksesta (raakadokumentit, LLM:n ylläpitämät wikisivut sekä indeksi- ja lokitiedostot) ja kolmesta operaatiosta (sisäänluku, kysely, tarkistus). Kirjoittaja toteutti tämän mallin maksualustalla, jossa on 70-sivuinen wiki, joka kattaa keskeisen maksutoimialueen. Hän vertaa sitä myös aiempaan README-suuntautuneeseen lähestymistapaansa, jossa dokumentaatio sijaitsee koodin vieressä olevissa markdown-tiedostoissa, ja CLAUDE.md-tiedosto ohjaa agentin asiaankuuluvaan dokumentaatioon. Keskeinen ero: README:ssä kehittäjät kirjoittavat tietoa moduuleittain; LLM Wikissä LLM syntetisoi tietoa useista lähteistä. Kirjoittaja huomauttaa, ettei LLM Wikiä tarvita jokaisessa projektissa, varsinkin jos koodikanta on yksinkertainen tai agentti tekee jo hyviä arvauksia.
Lähde: Habr — хаб ИИ —
Alkuperäinen