Menos es más para los agentes. Deja que tu agente funcione en modo Zen. Un nuevo artículo muestra que dar a un LLM solo 78 ejemplos cuidadosamente elegidos funciona mejor en tareas reales de agentes que entrenarlo con 10,000 ejemplos sintéticos. Esto coincide con nuestros experimentos en nuestro artículo "Razonamiento Agente": nuestras 3 herramientas cuidadosamente diseñadas superaron las 7 herramientas de HuggingFace y las 107 herramientas de LangChain. Haz tu mejor esfuerzo por mantenerlo simple, tanto en el entrenamiento como en el despliegue de agentes. Al igual que los humanos, los agentes alcanzan su máxima eficiencia cuando se enfocan en solo unas pocas cosas, permitiéndoles sentir el flujo y entrar en un modo zen.