Trendande ämnen
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
AI Agents arbetsfördelning kommer att vara avgörande för att maximera effekten av agenter.
Vi har länge haft en arbetsfördelning i organisationer eftersom det är mer effektivt att ha enskilda experter som lämnar över uppgifter till varandra än ett gäng generalister som försöker göra saker på olika sätt varje gång. AI-agenter har samma dynamik.
För att AI-agenter ska fungera behöver du precis rätt mängd kontext om den uppgift som de försöker slutföra. Detta innebär en djup domänförståelse, kunskap att arbeta utifrån, tydliga instruktioner och en uppsättning verktyg att använda. För lite kontext kommer agenten att misslyckas. Men när mer av den här informationen kommer in i kontextfönstret vet vi att modellerna kan bli suboptimala.
För en komplex affärsprocess, om du lägger all dokumentation, beskrivning av arbetsflödet och instruktioner i kontextfönstret, vet vi att detta så småningom kan leda till kontextröta, vilket leder till sämre resultat.
Den logiska arkitekturen är då i framtiden att dela upp agenter i atomära enheter som mappar till rätt typer av uppgifter och sedan låta dessa agenter arbeta tillsammans för att slutföra sitt arbete.
Vi ser redan att detta utspelar sig effektivt i kodningsagenter. Det dyker upp fler och fler exempel med personer som sätter upp underagenter som alla äger specifika delar av en kodbas eller ett tjänsteområde. Varje agent ansvarar för en del av koden, och det finns agentvänlig dokumentation för koden. När det sedan krävs arbete i det relevanta området i kodbasen samordnar en orkestreringsagent med dessa underagenter.
Vi kan se att detta mönster sannolikt kommer att gälla för nästan alla kunskapsområden i framtiden. Detta kommer att göra det möjligt för AI-agenter att användas för mycket mer än uppgiftsspecifika användningsfall och sträcka sig till att driva hela arbetsflöden i företaget.
Även om AI-modeller förbättras för att kunna hantera större kontextfönster och intelligensnivåerna ökar, är det inte självklart att den här arkitekturen någonsin försvinner. Det är troligt att rollen för varje agent utökas i takt med att kapaciteten förbättras, men tydliga separationslinjer mellan underagenter kan alltid leda till bättre resultat.
73,57K
Topp
Rankning
Favoriter