Agenții care se auto-orchestrează nativ, gestionându-și propriul context, uneltele și sub-agenții, reprezintă următorul mare deblocaj în performanța LLM-urilor. În prezent, un inginer priceput care construiește un sistem optimizat, cu un flux de date bine gândit, separarea preocupărilor, managementul sub-agenților etc., poate face îmbunătățiri dramatice față de baza pentru sarcini specifice. Dacă un model ar putea face asta singur, ar fi un pas major înainte. Îi dai un obiectiv și un set de unelte, iar el găsește modalitatea optimă de a se orchestra pentru a face sarcina. De exemplu, construiesc un om de știință AI foarte primitiv pe care îl voi face open-source în curând. Majoritatea muncii nu este în prompt, ci în ham... Ce vede orchestratorul, ce văd sub-agenții, ce se împărtășește între ei și când, unde rezumăm versus transmitem date brute și ce unelte controlează fiecare agent. Făcând asta, îmi permite să îmbunătățesc dramatic ceea ce poate face modelul de unul singur. Dacă un model poate proiecta eficient propriul ham pentru o problemă dată, ar fi un pas uriaș înainte. Pariul meu: modele auto-orchestrate... Cei care își gestionează propriul context, instrumente și sub-agenți vor mișca frontiera aproape la fel de mult ca trecerea de la chatbot → raționament. Poate chiar mai mult.

Doar îmi dau lovitura... Sunt destul de încrezător în asta. Cineva poate prototipa asta astăzi (poate o voi face eu!) punând un model să scrie un harness pentru un anumit prompt în Python, să-l introducă într-un sandbox @daytonaio sau ceva similar, apoi să transmită promptul către harness.