A Microsoft disponibilizou em código aberto um acelerador de treinamento de agentes de IA chamado agent-lightning, que promete permitir que os agentes aprendam automaticamente e otimizem continuamente sem "nenhuma alteração de código". Sua ideia central é observar o comportamento do agente sem modificar diretamente sua lógica interna de tomada de decisões. Sua vantagem reside em melhorar o desempenho de agentes inteligentes sem reescrever sua lógica de negócios principal ou alterar a estrutura, reduzindo assim a complexidade e o custo da otimização de agentes inteligentes. É independente de frameworks, suportando qualquer framework e até mesmo código Python puro. Também suporta cenários multiagentes e pode ser usado para melhorar o desempenho de agentes específicos. O Agent Lightning obtém o desempenho de tempo de execução do agente inteligente de duas maneiras. 1. Os rastreadores automáticos "escutam" as interações entre o agente inteligente e o ambiente externo. 2. Funções auxiliares leves: Para estados específicos, sinais de recompensa personalizados ou eventos mais detalhados dentro do agente que o rastreador pode não ser capaz de capturar automaticamente, os desenvolvedores podem inserir um pequeno número de chamadas de função simples agl.emit_xxx() em pontos-chave no código do agente. Os dados serão estruturados em Span e enviados de forma uniforme para o Lightning Store. O algoritmo de otimização lê os dados do Span do LightningStore, analisa esses dados e aprende como melhorar o desempenho do agente. Assim que o algoritmo aprende a estratégia aprimorada, ele publica esses recursos atualizados de volta no LightningStore. O componente Trainer é então responsável por aplicar essas otimizações mais recentes ao mecanismo de inferência do agente. #AgenteAIA #agentlightning
GitHub:github.com/microsoft/agen…W Dmicrosoft.github.io/agent-lightnin…co/EQZPwT7XhP
