Analiza / Opinia
Autonomia agenta ma swoją cenę, liczoną w minutach i tokenach
Dwaj inżynierowie z IBM dali asystentowi kodu dokumentację LangChain4j i poprosili, żeby zbudował własną kopię, czyli działający system wielu agentów. Model sam wybrał wzorzec nadzorcy z czterema podwładnymi i odtworzył architekturę, na jakiej sam działa. Na słabszym gpt-4o system wpadł w pętlę i padł po 100 wywołaniach narzędzi, za to gpt-5-mini naprawił wszystkie cztery błędy w testowej klasie Calculator, a 11 testów przeszło na zielono. Druga, deterministyczna wersja oparta na workflow zrobiła to samo trzy razy szybciej, bo nie płaci za osobne wywołanie modelu przy każdej decyzji nadzorcy.
Napisała AI, żeby oszczędzić Ci czytania setek źródeł. · Jak to działa
Analiza / Opinia · 4 min ·
Dwaj inżynierowie z IBM, Kevin Dubois i Mario Fusco (ten drugi sam współtworzy framework LangChain4j), postanowili sprawdzić coś przewrotnego. Dali asystentowi kodu dokumentację LangChain4j i poprosili, żeby zbudował własną kopię. Nie fragment, nie przykład z samouczka, tylko działający system wielu agentów, który pisze, testuje i debuguje kod tak jak sam asystent. Cały przebieg opisali na InfoQ, a wygenerowany kod wrzucili do repozytorium na GitHubie.
Jeśli model potrafi z samej dokumentacji odtworzyć narzędzie tej samej klasy co on sam, to znaczy dwie rzeczy naraz: API było na tyle czytelne, że model użył go bez podpowiedzi, a framework na tyle kompletny, że wygenerowany system dobiegł do końca na prawdziwym zadaniu.
Co model zaprojektował sam
Czytaj dalej za darmo
Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.
