Scouts: "Empleados digitales" que monitorean proactivamente los cambios en las páginas web, del equipo de @yutori_ai. Concepto central: Pasar de la "respuesta pasiva" a la "colaboración proactiva" 🤖 Los agentes de IA tradicionales suelen ser reactivos y tienen dificultades para gestionar tareas complejas y a largo plazo. Scouts busca construir un sistema proactivo multiagente que pueda operar de forma continua durante semanas o incluso meses, manteniendo una alta calidad de resultados y controlando los costes. Componentes clave de la arquitectura técnica 🛠️ Para abordar las limitaciones de un modelo único en el manejo de contextos extremadamente largos y tareas complejas, Yutori emplea una estrategia de "dividir y vencer". División del trabajo entre múltiples agentes: Se utiliza un coordinador para dirigir a múltiples subagentes. El coordinador es responsable de la lógica global, mientras que los subagentes se encargan de las llamadas a herramientas específicas. Esto evita la sobrecarga de contexto y permite seleccionar el modelo situacional más rentable para las diferentes subtareas. • Mejora de la intención: El coordinador transforma las necesidades vagas del usuario en instrucciones condicionales altamente estructuradas. Experimentos han demostrado que las instrucciones mejoradas pueden más que duplicar la tasa de recuperación de los resultados de búsqueda y producir resultados más precisos. Priorización de herramientas: Se le enseña al agente a priorizar las herramientas según su coste, velocidad y fiabilidad. Por ejemplo, podría usar primero una búsqueda económica en Google para el reconocimiento y solo invocar herramientas de automatización del navegador, caras y lentas, tras confirmar su utilidad. • Persistencia y reintentos: En plataformas altamente volátiles como las redes sociales, las API fallan con frecuencia. La arquitectura incorpora mecanismos de reintento, lo que obliga a los agentes a probar diferentes estrategias de consulta o combinaciones de herramientas cuando se producen fallos, en lugar de abandonar por completo la solución. El artículo sobre cómo abordar la "deriva de la memoria" y el desafío de la autenticidad comparte específicamente dos trampas que se pasan por alto fácilmente en tareas a largo plazo, junto con sus soluciones: 1. Búsqueda por palabras clave en archivos de informes: El enfoque tradicional consiste en pegar directamente los informes anteriores en el contexto, pero esto genera un sesgo de usabilidad, lo que provoca que el agente sobreenfatice la información antigua e ignore la perspectiva general. Yutori establece un archivo de informes con función de búsqueda que extrae fragmentos relevantes mediante la coincidencia iterativa de palabras clave, conservando así la memoria a largo plazo sin contaminar el contexto. 2. Los sitios web de verificación de datos críticos suelen estar llenos de ruido y sesgo. Scouts, en cambio, está diseñado con una mirada crítica. Verifica las afirmaciones de diferentes fuentes, evalúa su credibilidad y evita errores de juicio causados por afirmaciones exageradas en redes sociales o por la truncación de resultados en los resúmenes de búsqueda. Sistema de circuito cerrado basado en la retroalimentación del usuario La evolución de Scouts depende no solo de algoritmos, sino también de los usuarios. El sistema permite a los usuarios proporcionar retroalimentación a nivel de línea, sección o comportamiento general de los informes. Esta retroalimentación se transforma en directrices inspeccionables y editables, que sirven como base para futuras ejecuciones. Esto significa que, con el tiempo, el sistema se adaptará cada vez más a las preferencias personales de los usuarios.
Cargando el detalle del hilo
Obteniendo los tweets originales de X para ofrecer una lectura limpia.
Esto suele tardar solo unos segundos.
