O sistema do Agente primeiro restringe o orçamento de contexto e os sensores

Olhando para o artigo de Martin Fowler Fragments: July 13, a primeira palavra que aparece não é pontuação do modelo, mas Harness Engineering. No retiro, algumas pessoas já colocaram a discussão em contexto e sensores. Este assunto é muito parecido com uma disciplina emergente de engenharia: o agente deve primeiro restringir a entrada e depois falar sobre a expansão da ação.

Quanto maior a janela de contexto, mais curtas serão as restrições.

Há um detalhe muito simples no artigo: alguém controlou o agents.md em até 200 linhas. Este número parece uma misofobia, mas na verdade é um orçamento para o projeto. A janela de contexto está realmente ficando cada vez maior, mas a janela maior significa apenas que mais conteúdo pode ser amontoado nela, mas não significa que o modelo compreenderá com mais firmeza a parte que deve ser apreendida. O modelo geralmente se concentra apenas em uma pequena parte do contexto e, mesmo que o restante do conteúdo esteja lá, ele pode estar apenas em execução.

Este é o problema mais comum com documentos longos. Quanto mais regras existirem, mais fácil será que as restrições realmente importantes sejam obscurecidas pelo ruído; quanto mais longa a descrição, mais fácil será escrever o limite como plano de fundo e o plano de fundo como limite. Manter os arquivos curtos não significa economizar tempo na escrita, mas forçar as restrições a se tornarem visíveis, legíveis e executáveis. O que o Agente enfrenta não é uma pilha de materiais, mas um contrato operacional limitado.

O sensor deve ser comprimido em uma pequena quantidade de sinal utilizável

Outra mudança é que a discussão começou a avançar para sensores computacionais. Os sensores aqui não são simplesmente pontos de enterramento, nem alimentam os registros novamente para o modelo, mas comprimem o status do tempo de execução em um pequeno número de sinais estáveis. Assim que o sensor se tornar a reprodução de saída original, a entrada se expandirá novamente; a abordagem verdadeiramente valiosa é primeiro cortar a cena em vários estados claros e depois decidir quais detalhes devem ser fornecidos às pessoas e quais detalhes devem ser fornecidos às ferramentas.

O artigo mencionou que mudar do Python para uma linguagem mais controlável como Rust só faz sentido neste contexto. O foco não está na preferência linguística, mas no controle. O que o sensor precisa não é de “funcionamento”, mas de limites claros, semântica de exceção clara e consumo de recursos claro. Enquanto o sinal for instável, não importa quão forte seja o modelo, ele só poderá fazer julgamentos com base na entrada de jitter.

Harness fecha a cadeia de ação primeiro

Quando esta discussão chega até aqui, o arnês torna-se menos parecido com uma concha e mais parecido com um bocal. É responsável por decidir o que entra no contexto e o que fica de fora; em quais estados o modelo pode confiar e quais estados devem ser reconfirmados por ferramentas. O orçamento de contexto, o design do sensor, os limites de permissão e os caminhos alternativos finalmente chegarão a esta camada.

O custo mais facilmente subestimado no sistema do Agente também se enquadra neste nível. A substituição do modelo é rápida, mas o chicote é muito mais lento porque está vinculado a uma cadeia de ação, uma cadeia de sinal e uma cadeia de falha. Enquanto esta camada não for reforçada e as capacidades do modelo avançarem, o sistema apenas amplificará o caos mais rapidamente.

Solicitações de leitura pura, scripts de análise únicos, agentes leves sem ações externas e recursos de modelo ainda são os protagonistas. Assim que você começar a conectar dados privados, estados de longo prazo e ações reais, a primeira coisa a fortalecer não serão mais os parâmetros do modelo, mas os limites de entrada e de sinal. O momento em que um Agente realmente se assemelha a um sistema é muitas vezes quando essas duas camadas se estabelecem primeiro.