Microsoft ha liberado el código fuente de un acelerador de entrenamiento de agentes de IA llamado agent-lightning, que cuenta con la capacidad de permitir que los agentes aprendan automáticamente y se optimicen continuamente con "cero cambios en el código". Su idea principal es observar el comportamiento del agente sin modificar directamente su lógica interna de toma de decisiones. Su ventaja radica en mejorar el rendimiento de los agentes inteligentes sin reescribir su lógica empresarial principal ni cambiar el marco de trabajo, reduciendo así la complejidad y el coste de la optimización de los agentes inteligentes. Es independiente del framework, compatible con cualquier framework e incluso con código Python puro. También admite escenarios multiagente y puede utilizarse para mejorar el rendimiento de agentes específicos. Agent Lightning obtiene el rendimiento en tiempo de ejecución del agente inteligente de dos maneras. 1. Los rastreadores automáticos "escuchan" las interacciones entre el agente inteligente y el entorno externo. 2. Funciones auxiliares ligeras: Para estados específicos, señales de recompensa personalizadas o eventos más detallados dentro del agente que el rastreador puede no ser capaz de capturar automáticamente, los desarrolladores pueden insertar una pequeña cantidad de llamadas a la función simple agl.emit_xxx() en puntos clave del código del agente. Los datos se estructurarán en Span y se enviarán de forma uniforme a Lightning Store. El algoritmo de optimización lee los datos de Span desde LightningStore, los analiza y aprende cómo mejorar el rendimiento del agente. Una vez que el algoritmo aprende la estrategia mejorada, publica estos recursos actualizados en LightningStore. El componente Trainer se encarga entonces de aplicar estas últimas optimizaciones al motor de inferencia del agente. #AIAgent #agentlightning
github:github.com/microsoft/agen…W Dmicrosoft.github.io/agent-lightnin….co/EQZPwT7XhP
