Scouts: "Funcionários digitais" que monitoram proativamente as alterações nas páginas da web, da equipe @yutori_ai. Conceito central: Transição da "resposta passiva" para a "colaboração proativa" 🤖 Os agentes de IA tradicionais são tipicamente reativos e têm dificuldade em lidar com tarefas complexas e de longo prazo. O projeto Scouts visa construir um sistema multiagente proativo que possa operar continuamente por semanas ou até meses, mantendo alta qualidade de produção e controlando os custos. Componentes-chave da arquitetura técnica 🛠️ Para lidar com as limitações de um modelo único no processamento de contextos extremamente longos e tarefas complexas, o Yutori emprega uma estratégia de "dividir para conquistar". • Divisão de trabalho multiagente: Utilizando um "coordenador" para direcionar múltiplos "subagentes". O coordenador é responsável pela lógica global, enquanto os subagentes são responsáveis por chamadas de ferramentas específicas. Isso evita o estouro de contexto e permite a seleção do modelo situacional mais eficiente em termos de custo para diferentes subtarefas. • Aprimoramento de Intenção: O coordenador transforma necessidades vagas do usuário em instruções condicionais altamente estruturadas. Experimentos demonstraram que instruções aprimoradas podem mais que dobrar a taxa de recuperação dos resultados de busca e produzir uma saída mais precisa. • Priorização de ferramentas: O agente é treinado para priorizar ferramentas com base em seu custo, velocidade e confiabilidade. Por exemplo, ele pode usar primeiro uma busca de baixo custo no Google para reconhecimento e só invocar ferramentas de automação de navegador caras e lentas após confirmar seu valor. • Persistência e Repetição: Em plataformas altamente voláteis, como as redes sociais, as APIs frequentemente falham. A arquitetura incorpora mecanismos de repetição, exigindo que os agentes tentem diferentes estratégias de consulta ou combinações de ferramentas quando ocorrem falhas, em vez de desistirem completamente. O artigo sobre como lidar com a "deriva de memória" e o desafio da autenticidade aborda especificamente duas armadilhas que são facilmente ignoradas em tarefas de longo prazo, juntamente com soluções: 1. Busca por palavras-chave em arquivos de relatórios: A abordagem tradicional consiste em colar diretamente relatórios anteriores no contexto, mas isso leva a um "viés de usabilidade", fazendo com que o agente dê ênfase excessiva a informações antigas e ignore o panorama geral. O Yutori estabelece um arquivo de relatórios pesquisável que extrai fragmentos relevantes por meio de correspondência iterativa de palavras-chave, preservando assim a memória de longo prazo sem comprometer o contexto. 2. Sites de verificação de fatos críticos costumam estar repletos de ruído e viés. O Scouts, por outro lado, foi projetado com um olhar crítico. Ele verifica afirmações em diversas fontes, avalia a credibilidade dessas fontes e evita julgamentos equivocados causados por alegações exageradas nas redes sociais ou truncamento em resumos de busca. Sistema de circuito fechado baseado no feedback do usuário A evolução do Scouts depende não apenas de algoritmos, mas também dos usuários. O sistema permite que os usuários forneçam feedback em nível de linha, seção ou comportamento geral nos relatórios. Esse feedback é transformado em diretrizes inspecionáveis e editáveis, servindo como base para execuções futuras. Isso significa que o sistema se alinhará cada vez mais às preferências pessoais dos usuários ao longo do tempo.
