planer i wykonawca

Wzorzec rozdzielający w pętli rolę planowania od roli wykonania, z możliwością użycia różnych modeli i ustawień dla każdej z nich. Planowanie zyskuje na modelu rozumującym, wykonanie na szybkim i niskolosowym. To nie to samo co system wieloagentowy — tu jest jedna pętla, jeden stan i jeden warunek zakończenia.

W Polsce nazywane też:

podział ról w pętliplanowanie i wykonaniekaskada modeli

Nie każdy krok agenta wymaga tych samych zdolności. Rozłożenie zadania na etapy to co innego niż wyciągnięcie trzech pól z odpowiedzi API — i nie ma powodu, żeby robił to ten sam model z tymi samymi ustawieniami.

Czym jest podział na planera i wykonawcę

Wzorzec, w którym pętla rozdziela dwie role. Planer analizuje zadanie i ustala kolejność kroków. Wykonawca realizuje pojedyncze kroki: wywołuje narzędzia, przetwarza wyniki, formatuje dane. Obie role mogą korzystać z różnych modeli i różnych ustawień.

Dlaczego to się opłaca

Planowanie zyskuje na modelu rozumującym i na szerszym kontekście. Wykonanie zyskuje na modelu szybkim, tanim i ustawionym na niską losowość, bo liczy się powtarzalność i trzymanie formatu. Zastosowanie najmocniejszego modelu do wszystkich kroków to najprostszy sposób na wielokrotne przepłacenie.

Drugą korzyścią jest ograniczenie liczby narzędzi widocznych na raz — wykonawca potrzebuje tylko tych, które dotyczą bieżącego etapu.

To nie to samo co system wieloagentowy

Planer i wykonawca to podział ról wewnątrz jednej pętli, z jednym stanem i jednym warunkiem zakończenia. System wieloagentowy zakłada osobne pętle komunikujące się ze sobą, z własnymi kontekstami i własnym cyklem życia. Ten pierwszy wzorzec jest znacznie prostszy w utrzymaniu i w większości zastosowań wystarcza.

Ryzyko

Plan ustalony na początku bywa nieaktualny po trzecim kroku, bo wyniki narzędzi zmieniają obraz sytuacji. Sensowna pętla pozwala planerowi wrócić do gry i skorygować kolejność, zamiast realizować plan do końca wbrew temu, co już wiadomo.

przeciążenie narzędziamiSpadek trafności wyboru narzędzia wraz ze wzrostem liczby dostępnych narzędzi, połączony ze wzrostem kosztu każdego obrotu pętli. Wynika z tego, że wszystkie definicje trafiają do kontekstu przy każdym wywołaniu i konkurują ze sobą. Remedium: ładowanie warunkowe, grupowanie i rozdzielenie ról.Orkiestracja agentówWarstwa zarządzania wieloagentowym systemem AI — odpowiedzialna za dekomponowanie złożonych zadań, przydzielanie ich właściwym agentom, zarządzanie przepływem danych między agentami i integrację wyników. Orchestrator jest dyrygentem systemu wieloagentowego.Model rozumującyKlasa modeli językowych która przed wygenerowaniem odpowiedzi wykonuje wewnętrzny proces rozumowania — chain of thought lub extended thinking — co znacząco poprawia jakość odpowiedzi na złożone problemy. Pierwszy popularny reasoning model: OpenAI o1 (wrzesień 2024).Pętla agentaPodstawowy cykl działania autonomicznego agenta AI — powtarzająca się sekwencja percepcji, planowania, akcji i oceny wyniku — która kontynuuje się aż agent osiągnie cel lub zostanie zatrzymany. Fundament architektoniczny każdego agenta który działa wielokrokowo.System wieloagentowyArchitektura systemów AI w której wiele autonomicznych agentów współpracuje — komunikując się, dzieląc zadania i koordynując działania — żeby osiągnąć cel który przekracza możliwości pojedynczego agenta. Każdy agent ma swoją specjalizację, dostęp do określonych narzędzi i zakres odpowiedzialności.