AI Acentanızın Bir Haritaya İhtiyacı Var: LLM Wiki veya README Yeterli
OpenAI
Anthropic
Makale, yapay zeka ajanlarının karmaşık kod tabanlarında LLM Wiki veya README odaklı bir depo gibi yapılandırılmış bilgi tabanlarını kullanarak nasıl gezinebileceğini tartışıyor. Andrej Karpathy'nin LLM Wiki desenini sunuyor; bu desen, bir LLM'yi wiki yazmak ve güncellemek için kullanıyor ve README dosyalarının ana bilgi kaynağı olarak hizmet verdiği belgeler-kod-olarak yaklaşımıyla karşılaştırıyor. Yazar, bir ödeme platformu için LLM Wiki uygulamasını paylaşıyor ve her iki yaklaşımı bilgi oluşturma ve bakımı açısından karşılaştırıyor.
Makale, yapay zeka ajanlarının her oturumda sıfırdan başlamamak için yapılandırılmış bir bilgi tabanına ('harita') ihtiyacı olduğunu savunuyor. Andrej Karpathy'nin, üç katmandan (ham belgeler, LLM tarafından tutulan wiki sayfaları ve dizin/günlük dosyaları) ve üç işlemden (aktarma, sorgulama, düzeltme) oluşan LLM Wiki (Large Language Model Wiki) modelini tanıtıyor. Yazar bu modeli, çekirdek ödeme alanını kapsayan 70 sayfalık bir wiki ile bir ödeme platformunda uygulamış. Ayrıca bunu, dokümantasyonun kodun yanındaki işaretleme dosyalarında (markdown files) yaşadığı ve CLAUDE.md dosyasının ajanı ilgili dokümantasyona yönlendirdiği önceki README odaklı yaklaşımıyla karşılaştırıyor. Temel fark: README'de geliştiriciler bilgiyi modül başına yazarken, LLM Wiki'de LLM bilgiyi birden fazla kaynaktan sentezler. Yazar, özellikle kod tabanı basitse veya ajan zaten iyi tahminler yapıyorsa, her proje için bir LLM Wiki'ye gerek olmadığını belirtiyor.
Kaynak: Habr — хаб ИИ —
orijinal