هماهنگ‌سازی چندعاملی؛ قابلیت جدید در عامل‌های مدیریت‌شده Claude

آنتروپیک اخیراً قابلیت «رؤیاپردازی» (Dreaming) را در عامل‌های مدیریت‌شده کلود (Claude Managed Agents) به‌عنوان یک پیش‌نمایش پژوهشی راه‌اندازی کرده است. این قابلیت با مرور جلسات گذشته برای یافتن الگوها و کمک به خودبهبودی ایجنت‌ها، حافظه را گسترش می‌دهد. همچنین قابلیت‌های «نتایج» (Outcomes)، «هماهنگ‌سازی چندایجنتی» (Multiagent Orchestration) و وب‌هوک‌ها را برای توسعه‌دهندگانی که با ایجنت‌های مدیریت‌شده کار می‌کنند، در دسترس قرار داده است.

ساخت ایجنت‌های خودبهبودگر با رؤیاپردازی

رؤیاپردازی یک فرایند زمان‌بندی‌شده است که جلسات ایجنت و ذخیره‌گاه‌های حافظه شما را مرور می‌کند، الگوها را استخراج کرده و خاطرات را سازماندهی می‌کند تا ایجنت‌ها به‌مرورزمان بهبود یابند. کاربر تصمیم می‌گیرد که چه میزان کنترل داشته باشد، رؤیاپردازی می‌تواند حافظه را به‌صورت خودکار به‌روزرسانی کند یا کاربر می‌تواند تغییرات را پیش از اعمال‌شدن، بررسی کنید.

رؤیاپردازی الگوهایی را آشکار می‌کند که یک ایجنت منفرد به‌تنهایی قادر به دیدن آن‌ها نیست؛ از جمله اشتباهات تکراری، گردش‌کارهایی که ایجنت‌ها روی آن‌ها همگرا می‌شوند و ترجیحات به اشتراک‌گذاشته‌شده در سراسر یک تیم. این ویژگی همچنین حافظه را بازسازی می‌کند تا در حین تکامل، سیگنال‌دهی بالای خود را حفظ کند. این امر به‌ویژه برای کارهای طولانی‌مدت و هماهنگ‌سازی چندایجنتی مفید است.

حافظه و رؤیاپردازی در کنار هم یک سیستم حافظه قدرتمند برای ایجنت‌های خودبهبودگر تشکیل می‌دهند. حافظه به هر ایجنت اجازه می‌دهد تا آنچه را که در حین کار یاد می‌گیرد، ثبت کند. رؤیاپردازی آن حافظه را بین جلسات پالایش کرده، یادگیری‌های مشترک را در میان ایجنت‌ها استخراج می‌کند و آن را به‌روز نگه می‌دارد.

ارائه نتایج بهتر

با استفاده از قابلیت «نتایج»، شما یک چارچوب ارزیابی (Rubric) می‌نویسید که توصیف می‌کند موفقیت چگونه به نظر می‌رسد و ایجنت در راستای آن کار می‌کند. یک ارزیاب مجزا، خروجی را بر اساس معیارهای شما در پنجره زمینه اختصاصی خود می‌سنجد؛ بنابراین تحت‌تأثیر استدلال ایجنت قرار نمی‌گیرد. زمانی که مشکلی وجود داشته باشد، ارزیاب دقیقاً مشخص می‌کند که چه چیزی باید تغییر کند و ایجنت تلاش مجددی را آغاز می‌کند.

ایجنت‌ها بهترین عملکرد خود را زمانی ارائه می‌دهند که بدانند خروجی «خوب» چیست. برای مثال، یک چارچوب ساختاری، یک استاندارد ارائه یا مجموعه‌ای از الزامات که باید برآورده شوند. با استفاده از قابلیت نتایج، ایجنت‌ها می‌توانند کار خود را با آن معیار بسنجند و تا زمانی که خروجی به‌اندازه کافی خوب شود، خود را اصلاح کنند، بدون اینکه نیازی باشد یک انسان هر تلاش را بررسی کند.

قابلیت نتایج به‌ویژه برای وظایفی که نیازمند توجه به جزئیات و پوشش همه‌جانبه هستند، مفید است. این قابلیت همچنین برای ارزیابی کیفیت‌های ذهنی نیز کارایی دارد؛ مانند اینکه آیا یک متن با لحن برند مطابقت دارد یا یک طراحی از دستورالعمل‌های بصری پیروی می‌کند. در آزمایش‌ها، قابلیت نتایج موفقیت در وظایف را تا ۱۰ امتیاز نسبت به یک حلقه پرامپت استاندارد بهبود بخشید که بیشترین دستاوردها در سخت‌ترین مسائل مشاهده شد. این قابلیت همچنین کیفیت تولید فایل را ارتقا داد، به‌طوری که در بنچمارک‌های داخلی آنتروپیک، موفقیت وظایف برای فایل‌های docx به میزان ۸.۴ درصد و برای فایل‌های pptx به میزان ۱۰.۱ درصد افزایش یافت.

مدیریت وظایف پیچیده با ایجنت‌های چندگانه

زمانی که حجم کار برای یک ایجنت منفرد بسیار زیاد است، هماهنگ‌سازی چندعاملی (multiagent orchestration) به یک عامل مدیریت‌کننده اجازه می‌دهد تا کار را به بخش‌هایی تقسیم کرده و هر کدام را به یک متخصص با مدل، پرامپت و ابزارهای مختص خود محول کند. برای مثال، یک ایجنت مدیر می‌تواند یک فرایند تحقیق را اجرا کند درحالی‌که ایجنت‌های زیرمجموعه در تاریخچه استقرار، لاگ‌های خطا، متریک‌ها و تیکت‌های پشتیبانی جست‌وجو می‌کنند.

این متخصصان به‌صورت موازی بر روی یک سیستم فایل مشترک کار می‌کنند و در زمینه کلی ایجنت مدیر مشارکت دارند. ایجنت مدیر می‌تواند در میانه گردش‌کار با سایر ایجنت‌ها ارتباط برقرار کند، زیرا رویدادها ماندگار هستند و هر ایجنت آنچه را که انجام داده است به‌خاطر می‌آورد. کاربر همچنین می‌توانید هر مرحله را در کنسولClaude  ردیابی کند؛ اینکه کدام ایجنت چه کاری را با چه ترتیبی و به چه دلیلی انجام داد که به کاربر دید کاملی از نحوه واگذاری و اجرای وظیفه می‌دهد.

تیم‌ها در حال ساخت چه چیزی هستند

تیم‌ها از رؤیاپردازی، نتایج و هماهنگ‌سازی چندایجنتی برای ساخت ایجنت‌هایی استفاده می‌کنند که کار خود را تأیید می‌کنند، در طول جلسات یاد می‌گیرند و کارهای پیچیده را موازی‌سازی می‌کنند:

• Harvey از ایجنت‌های مدیریت‌شده برای هماهنگی کارهای حقوقی پیچیده مانند پیش‌نویس‌های طولانی و ایجاد اسناد استفاده می‌کند. با قابلیت رؤیاپردازی، ایجنت‌های Harvey آنچه را که بین جلسات آموخته‌اند، از جمله راه‌حل‌های جایگزین برای انواع فایل و الگوهای خاص ابزارها، به‌خاطر می‌آورند. نرخ تکمیل در آزمایش‌های آن‌ها حدود ۶ برابر افزایش یافت.
• Netflix یک ایجنت تحلیلی ساخته است که لاگ‌های صدها بیلد (Build) را از منابع مختلف پردازش می‌کند. با تغییراتی که بر هزاران اپلیکیشن تأثیر می‌گذارد، آنچه اهمیت دارد یافتن مشکلاتی است که در بسیاری از آن‌ها تکرار می‌شوند. هماهنگ‌سازی چندایجنتی به ایجنت اجازه می‌دهد دسته‌ها را به‌صورت موازی تحلیل کرده و تنها الگوهایی را که ارزش اقدام دارند، استخراج کند.
• Spiral اثر تیم Every، از هماهنگ‌سازی چندایجنتی و نتایج برای قدرت‌بخشیدن به ایجنت نویسنده در پس‌زمینه API و CLI جدید خود استفاده می‌کند. ایجنت مدیر بر روی مدل Haiku اجرا می‌شود؛ یعنی درخواست‌های ورودی را مدیریت می‌کند، در صورت نیاز سؤالات پیگیری سریع می‌پرسد و سپس تهیه پیش‌نویس را به ایجنت‌های زیرمجموعه که بر روی مدل Opus اجرا می‌شوند، محول می‌کند. زمانی که کاربر چندین پیش‌نویس درخواست می‌کند، ایجنت‌های زیرمجموعه به‌صورت موازی اجرا می‌شوند. کیفیت نوشتن ارزش اصلی Spiral است، بنابراین آن‌ها از قابلیت نتایج برای تضمین آن استفاده می‌کنند. هر پیش‌نویس بر اساس چارچوبی از اصول نگارشی Every و لحن کاربر که هر دو از حافظه استخراج شده‌اند، امتیازدهی می‌شود. تنها پیش‌نویس‌هایی که از حدنصاب عبور کنند، به کاربر بازگردانده می‌شوند.
• Wisedocs یک ایجنت کنترل کیفیت اسناد بر روی ایجنت‌های مدیریت‌شده ساخته است که از قابلیت نتایج برای ارزیابی هر بررسی در برابر دستورالعمل‌های داخلی آن‌ها استفاده می‌کند. اکنون بررسی‌ها ۵۰ درصد سریع‌تر اجرا می‌شوند، درحالی‌که کاملاً با استانداردهای تیم آن‌ها همسو باقی می‌مانند.

شروع کار

رؤیاپردازی در قالب پیش‌نمایش پژوهشی در دسترس است؛ قابلیت‌های نتایج، هماهنگ‌سازی چندایجنتی و حافظه به‌عنوان بخشی از ایجنت‌های مدیریت‌شده در نسخه بتای عمومی در دسترس هستند. مستندات آنتروپیک را برای یادگیری بیشتر بررسی کنید یا برای استقرار اولین ایجنت خود به  Claude Consoleمراجعه کنید.