Зерттеулер2026 ж. 24 қазан

Соңғы уақытта Anthropic компанияларға субагенттердің санын қысқартуды, оның ішінде кейбір арнайы агенттерді негізгі циклмен біріктіруді ұсынуды бастады...

Соңғы уақытта Anthropic компанияларға субагенттердің санын қысқартуды, оның ішінде кейбір мамандандырылған агенттерді негізгі жұмыс циклімен біріктіруді ұсынуды бастады. Бірнеше корпоративтік жобалардың тәжірибесі бір агенттен және жинақтан тұратын архитектураның...

Вайб-кодинг·Telegram — Вайб-кодинг
Түпнұсқа
Негізгі тұжырымдар
  • 01.Соңғы уақытта Anthropic компанияларға субагенттердің санын қысқартуды, оның ішінде кейбір мамандандырылған агенттерді негізгі жұмыс циклімен біріктіруді ұсынуды бастады
  • 02.Бірнеше корпоративтік жобалардың тәжірибесі бір агенттен және жинақтан тұратын архитектураның...

В последнее время Anthropic начала рекомендовать компаниям сокращать количество субагентов, вплоть до объединения некоторых специализированных агентов с основным циклом работы. Опыт нескольких корпоративных проектов показал, что архитектура, состоящая из одного агента и набора скиллов, зачастую оказывается эффективнее сложных мультиагентных систем. Так, у одного из клиентов после перехода на единый цикл работы скорость выполнения задач увеличилась примерно вдвое. Причины этого нетрудно понять. При передаче задач от одного агента другому приходится всякий раз передавать и обобщать контекст. В результате часть информации может теряться, задержки увеличиваются, а затраты растут. Теперь Anthropic рекомендует возлагать планирование и выполнение задач на основного агента, который по мере необходимости будет динамически загружать скиллы и инструменты. При этом бизнес-процессы и знания предметной области предлагается сохранять в виде компонентов, пригодных для многократного использования. Однако в статье приводится один примечательный случай, заслуживающий особого внимания. Однажды специалисты Anthropic объединили субагентов в системе обслуживания клиентов. Это действительно позволило сократить задержки, однако задача, прежде выполнявшаяся успешно, неожиданно перестала выполняться. Причина заключалась в том, что основной агент пропустил этап согласования времени доставки со специалистом по логистике. Именно поэтому автор подчёркивает необходимость проводить сквозное тестирование (end-to-end Eval) после каждого объединения субагентов, особенно внимательно проверяя, какие из прежде успешно выполнявшихся задач начали завершаться ошибками. Разумеется, субагенты по-прежнему сохраняют свою ценность там, где необходимы параллельные исследования, независимая проверка результатов или изоляция контекста. Таким образом, при проектировании мультиагентных систем в будущем стоит прежде всего задаться вопросом: действительно ли каждому субагенту необходимы собственный независимый контекст и отдельный цикл выполнения задач? Кроме того, Anthropic опубликовала в открытом доступе набор инструментов для миграции, позволяющий анализировать существующую архитектуру, постепенно объединять субагентов и сопоставлять качество работы, затраты и задержки до и после внесённых изменений. Всем, кто занимается разработкой ИИ-агентов, настоятельно рекомендую с ним ознакомиться. https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop

Материал авторға сілтеме жасай отырып, ұлттық инфопоток аясында агрегацияланған.

Байланысты материалдар

Барлығы →
Зерттеулер1 мин

Anthropic компаниясының IPO өтінімінен бес оғаш мәліметтер

Anthropic, сайып келгенде, SEC-ке өзінің S-1 проспектісін тапсырды, бұл құжат инвесторларға өз бизнесінің астына, оның басшылары қанша ақша жасап жатқанын және IPO-ға миллиардтағанын жұмсауды жоспарлап отырғанынан бастап, амбициясын бұзатын тәуекелдерге дейін көрсетуге арналған құжат. астам…

The Verge — AI
Зерттеулер1 мин

FairStress: тест на демографическую справедливость моделей

📌 FairStress: тест на демографическую справедливость моделей Институт Аллена опубликовал набор FairStress для проверки того, меняет ли языковая модель своё решение о человеке из-за его расы, пола, религии, возраста, инвалидности или ориентации в сферах найма, кредитования,…

Telegram — AI Machine Learning Big Data