Não forme agentes, forme habilidades. Em sua palestra de abertura no Code Summit da @aiDotEngineer, @barry_zyj e @maheshmurag, da Anthropic, discutiram a próxima etapa fundamental no desenvolvimento de agentes de IA: a transição da simples busca pela arquitetura de "Agentes" para a dotação desses agentes com "Habilidades" específicas e reutilizáveis. Principal ponto problemático: QI elevado versus experiência profissional Uma das principais contradições enfrentadas pelos agentes de IA é que eles possuem inteligência, mas lhes falta experiência. • Metáfora: Eles usaram uma metáfora muito vívida: "Mahesh (um gênio da matemática com um QI de 300)" versus "Barry (um especialista tributário experiente)". Situação atual: O agente modelo em larga escala atual é como aquele gênio da matemática. Embora seja extremamente inteligente e capaz de deduzir princípios complexos do zero, se você lhe pedir para declarar impostos, ele pode se perder ou ser ineficiente devido à falta de "códigos tributários" específicos e "conhecimento do processo". • Necessidade: Em cenários de trabalho reais, muitas vezes precisamos de um "especialista em impostos", ou seja, uma pessoa que possa executar processos específicos da área de forma confiável e que possua conhecimento processual, em vez de um gênio que precise repensar tudo desde o princípio a cada vez. Solução: O que são "Habilidades"? Para colmatar esta lacuna, a Anthropic introduziu o conceito de "Competências". • Definição: As habilidades são as menores unidades que agrupam o conhecimento procedimental, e os agentes podem carregar essas unidades dinamicamente conforme necessário. • Formato: É muito leve. Uma Skill pode ser apenas uma pasta contendo alguns scripts (como ferramentas) e arquivos de instruções principais (geralmente em formato Markdown). Características: • Portátil: Pode ser compartilhado entre diferentes agentes. • Componível: Assim como peças de Lego, você pode combinar diferentes habilidades para dar instantaneamente a um agente geral conhecimento especializado em diversas áreas. • Baixa barreira de entrada: Sua essência não é a engenharia de código complexa, mas sim uma descrição clara e o encapsulamento em ferramentas de "como fazer algo". Visão: De "Formação de Agentes" para "Acumulação de Conhecimento" Esta apresentação não se limitou à tecnologia; tratou de pensamento estratégico sobre como as organizações podem tirar proveito da IA. • A Evolução das Bases de Conhecimento Empresarial: A vantagem competitiva das empresas do futuro reside em quem consegue construir uma "base de competências" em constante evolução. Essas competências são definidas por especialistas dentro da empresa e continuamente otimizadas com base no feedback do uso por parte dos agentes. • Autoevolução do Agente: A apresentação trouxe uma visão empolgante do futuro — os agentes não serão apenas usuários de habilidades, mas eventualmente se tornarão criadores de habilidades. Eles serão capazes de aprender com seu trabalho, escrever novas habilidades e, assim, alcançar a autoevolução. • Agente Unificado: Você não precisa "treinar" ou "ajustar" um novo modelo separadamente para cada tarefa. Em vez disso, você mantém um agente geral e poderoso que pode alternar entre funções instantaneamente "carregando" diferentes habilidades (por exemplo, um analista de documentos em um segundo e um revisor de código no seguinte). A mensagem mais importante que este vídeo transmite é: não se obceque com "arquiteturas de agentes complexas", mas concentre sua energia em refinar e sintetizar "conhecimento profissional" específico. Para desenvolvedores e empresas, isso significa começar a pensar em como transformar o "conhecimento tácito" dentro de sua equipe em "habilidades" padronizadas, para que a IA possa realmente se tornar uma especialista com visão de negócios, em vez de apenas uma assistente inteligente e de uso geral. Vídeo do YouTube
