В последнее время Anthropic начала рекомендовать компаниям сокращать количество субагентов, вплоть до объединения нек...
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…
- 01.В последнее время Anthropic начала рекомендовать компаниям сокращать количество субагентов, вплоть до объединения некоторых специализированных агентов с основным циклом работы
- 02.Опыт нескольких корпоративных проектов показал, что архитектура, состоящая из одного агента и набора…
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
Связанные материалы
Все материалы →Anthropic открывает свои бухгалтерские балансы для Уолл-стрит, показывая рекордные доходы и растущие обязательства
Anthropic — первая крупная лаборатория искусственного интеллекта, подавшая заявку S-1 в SEC и планирующая разместить свою компанию на Nasdaq под тикером «ANT». Цифры впечатляют: квартальный доход составляет $11,6 млрд, первая в истории операционная прибыль, а существующие клиенты тратят в девять раз больше по сравнению с прошлым годом.…
Создание агентной системы извлечения на базе Amazon Bedrock с CDK
AWS Machine Learning описывает создание агентной системы извлечения на базе Amazon Bedrock с использованием AWS CDK.
Кэширование запросов для ИИ-агентов на Amazon Bedrock
Кэширование запросов позволяет ИИ-агентам на Amazon Bedrock быть более эффективными.