jadi saya telah menjalankan tepat 8 agen AI di perselisihan untuk sementara waktu sekarang. Koordinasi bekerja dengan baik, mereka membagi tugas, menyerahkan pekerjaan, memberikan hasil secara paralel, dll. tetapi ada masalah yang terus saya temui yang tidak dapat diperbaiki oleh rekayasa cepat Agen tidak belajar dari satu sama lain. Scout menemukan sesuatu yang berguna tetapi Luna tidak tahu. mereka bekerja di server yang sama tetapi pengetahuan tetap terkunci dalam silo .. tidak ada filter kualitas tentang apa yang disimpan, dan wawasan yang baik berada di sebelah sampah usang dalam file memori yang sama yang saya bersihkan secara manual. dan ketika seorang agen membuat kesalahan, saya menuliskannya di saluran perselisihan aturan, file memori inti dan berharap itu membacanya lain kali. tidak ada koreksi diri, tidak ada pengenalan pola otomatis jadi tentu saja tidak ada loop pembelajaran .. Lapisan koordinasi diselesaikan. Agen dapat bekerja sama. Tapi lapisan intelijen masih hilang. agen yang benar-benar ingat, belajar dari satu sama lain, menyaring kebisingan, dan menjadi lebih pintar setiap lari. melihat @Spark_coded membangun sesuatu seperti ini dengan sekitar 166 agen berbagi pengetahuan kolektif yang terus-menerus di seluruh sesi, sehingga agen belajar dari agen lain dan menjadi lebih pintar dari waktu ke waktu mereka bahkan memiliki filter kebisingan dan loop koreksi diri bawaan, sehingga pengetahuannya benar-benar bertambah alih-alih membusuk. hal-hal super menarik .. di sini di mana Anda pikir Spark bisa menjadi koordinator yang baik untuk tumpukan kawanan agen Anda. Saya pikir lapisan kecerdasan adalah hambatan karena membutuhkan kolektivitas. tidak ada agen tunggal yang bisa menyelesaikannya sendirian. Seluruh jaringan harus berkembang bersama. ...