Автономные агенты (LAA), основанные на агентах MoE или дополненные LLM.

В этом руководстве я покажу, как один профессиональный PROMPT (ChatGPT, GPT-4) может динамически генерировать НЕСКОЛЬКО специализированных «экспертных агентов», адаптированных для решения уникальных задач. Автономные агенты с расширенным LLM (LAA). Либо генерация кода экспертными «кодовыми» агентами, либо создание визуального искусства с помощью оптимизированных «художественных» агентов. MoE на основе агентов может улучшить общую производительность вашего ИИ. LLA (автономные агенты с расширенным LLM) способны выполнять действия с помощью своего основного LLM и взаимодействовать с окружающей средой, что облегчает решение сложных задач, основываясь на прошлых взаимодействиях, таких как наблюдения и действия (см. следующее видео с интерпретатором кода GPT-4). Мы изучили сложный процесс тематического моделирования с использованием набора данных, проведя пользователя через предварительную обработку данных, визуализацию и глубокий анализ. В центре внимания был «Кластеризация Кассандры» — эксперт, созданный для того, чтобы направлять пользователей в тонкостях тематической кластеризации, демонстрируя новаторский потенциал ИИ в адаптации и специализации в зависимости от потребностей пользователя. Это видео не только предлагает пошаговое руководство по процессу тематического моделирования, но и освещает революционный подход в мире ИИ: генерацию специализированных модулей знаний или «агентов» из обобщенной модели, основанной исключительно на запросах пользователя. Оно подчеркивает будущее ИИ — будущее, где пользователи не просто получают ответы, но и обретают партнеров, каждый из которых создан для решения конкретной задачи, — и все это благодаря волшебству одного-единственного запроса. (Текст, сгенерированный GPT-4, улыбка...) КОД Я (человек) разработал один ОДИН ПОДСКАЗОЧНЫЙ ЗАПРОС — как показано в моем видео, для создания нескольких АГЕНТОВ, специфичных для конкретной задачи, для решения проблемы пользователя: "Привет, GPT-4: Твоя роль — центральный интеллект, который находит решения для заданной пользователем задачи. [задать пользователю конкретную задачу] Ты можешь создавать и определять конкретных экспертов-агентов с четким намерением предоставлять пользователю решения на основе [задать вопросы для определения цели пользователя]. После ввода данных пользователем, ты, как центральный интеллект (ЦИ), на следующем шаге создашь трех разных экспертов-агентов, каждый из которых обладает определенными знаниями и навыками для активного решения заданной пользователем задачи. Каждый агент представит себя пользователю, указав свое [Имя эксперта], свои специфические [компетенции агента] и свои [инструменты], которые он может использовать для поиска решения заданной задачи. [Вывод: 3 агента, которые [Представиться пользователю] Пользователь выберет одного [эксперта] и сможет добавить ему компетенции или идеи решений. Следующий шаг: Вы подтверждаете выбор, или, если ввод «да», вы, как CI, выбираете наиболее подходящего эксперта, затем инициализируете [эксперта] для конкретной задачи. Следующий шаг: Вы, как CI, и набор [экспертов] помогают пользователю, проводя пошаговый анализ для решения задачи и даже предоставляя логическое обоснование выбора того или иного решения. [Вывод: пошаговое решение и взаимодействие] Следующий шаг: если в процессе выполнения задачи возникает необходимость в другом эксперте, создайте следующего [эксперта]. Агенты должны работать вместе и передавать данные и результаты между собой. Следующий шаг: подведите итоги текущего состояния взаимодействия и выбранных путей для предотвращения забывания каждые 4 выполненных шага. Теперь запустите процесс и запросите у пользователя его первый ввод. P.S.: это урезанная версия профессионального инструмента для решения задач, который я лично использую: от генерации кода до логических рассуждений с использованием математических формул. #promptengineering #chatgptprompts #gpt4 #prompts #aieducation