ネイティブに自己オーケストレーションし、独自のコンテキスト、ツール、サブエージェントを管理するエージェントは、LLMのパフォーマンスにおける次の大きな解放点です。 現在、熟練したエンジニアが最適化されたハーネスを構築し、配慮したデータフロー、関心事の分離、サブエージェント管理などを組み合わせることで、特定のタスクに対してベースラインよりも劇的な改善が可能です。 もしモデルがこれを自分でできるなら、それは大きな前進です。目標とツールセットを与えれば、最適な方法でタスクを遂行するのです。 例えば、私は近いうちにオープンソース化する予定の非常に原始的なAI科学者を開発しています。ほとんどの課題はプロンプトではなく、ハーネスにあります...オーケストレーターが何を見るか、サブエージェントが何を見るか、何がいつ共有されるか、どこで生データをまとめるか、どこで渡すか、各エージェントがどのツールを制御するかなどです。 これにより、モデル単体の能力を劇的に向上させることができます。もしモデルが特定の問題に対して自分でハーネスを効果的に設計できれば、それは大きな進歩です。 私の予想は、自己オーケストレーションモデル...独自のコンテキスト、ツール、サブエージェントを管理するものは、チャットボット→論理からの飛躍と同じくらいフロンティアを広げるでしょう。 もしかしたらもっと。

ただ自分の判断をしているだけです...私はかなり自信があります。 今日、誰かがプロトタイプを作れるかもしれません(もしかしたら私も!)。モデルにPythonで指定されたプロンプト用のハーネスを書き、それを@daytonaioサンドボックスなどに挿入し、そのプロンプトをハーネスに渡す方法です。