Systémové výzvy jsou zastaralé! Zde je neintuitivní lekce z vytváření skutečných agentů: Psaní obřích systémových výzev nezlepšuje výkon agenta; často to zhoršuje. Můžete například přidat pravidlo týkající se zásad vracení peněz. Pak jeden o tónu. Pak další o tom, kdy eskalovat. Zanedlouho budete mít návod k použití o 2 000 slovech. Ale tady je to, co jsme se naučili: LLM jsou extrémně špatní v tom, jak se s tím vypořádat. Nedávné výzkumy také potvrzují to, co mnozí z nás zažívají. Existuje "prokletí instrukcí". Čím více pravidel do výzvy přidáte, tím horší je výkon modelu při dodržování kteréhokoli z nich. Zde je lepší přístup: kontextově podmíněné pokyny. Místo jedné obří výzvy rozdělte své pokyny na modulární části, které se do LLM načtou pouze v případě potřeby. ``` agent.create_guideline( condition="Zákazník žádá o vrácení peněz", action="Nejprve zkontrolujte stav objednávky, abyste zjistili, zda je způsobilá", tools=[check_order_status], ) ``` Každé pravidlo má dvě části: - Stav: Kdy se načte? - Akce: Co by měl agent udělat? Kouzlo se odehrává v zákulisí. Když je dotaz přijat, systém vyhodnotí, která pravidla jsou relevantní pro aktuální stav konverzace. ...