AnswersPublished16 sources
La agenten lese materialet i etapper – ikke alt på én gang
Det er mulig å gi systemet hele materialpakken på én gang uten at alle kildene må inn i samme modellkall. Recursive Language Models lar modellen undersøke og dele opp lange innspill utenfor kontekstvinduet, men løser ikke utfordringer med kostnader, sikkerhet eller drift alene.[3] En robust arbeidsflyt bør kombinere...
Publisert avBilder generert med GPT Image 2
Research answer
Key takeaways
- Det er mulig å gi systemet hele materialpakken på én gang uten at alle kildene må inn i samme modellkall.
- Recursive Language Models lar modellen undersøke og dele opp lange innspill utenfor kontekstvinduet, men løser ikke utfordringer med kostnader, sikkerhet eller drift alene.[3]
- En robust arbeidsflyt bør kombinere kilder som kan leses på nytt, avgrensede deloppgaver, sporbare bevis og leveranser underveis.[7][12]
- Gjennomgåtte agentlogger viste både tilgangsproblemer og avbrutte strømmer – men gir ikke grunnlag for å si at alle stopp skyldtes fulle kontekstvinduer.
![[GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you produce requests for client side execution. W](https://d15bya8fi85z1v.cloudfront.net/chat/frzP7VzOQhhTfRqSv91ZjOpFNME3/images/CCBB00528D912545ABC2/DDF1FF1DFD53167F1DC7.png)
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: [GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you produce requests for client side execution. W. Article summary: <tool call {"name":"attempt completion","arguments":{"result":"需求应从“网关支持复杂附件”调整为“前置侧接收海量材料，并组织可追溯、能持续交付的研究流程”。你可以一次性交给系统全部材料，但不应要求全部材料同时进入一次模型调用；三遍阅读是分析方法，不能代替有限上下文的调度机制。[1][3]\n\n 1.. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, i
Store KI-oppgaver handler ikke bare om hvor mye tekst en modell kan romme i ett kontekstvindu. Like viktig er det hvordan systemet tar imot materialet, finner fram til relevant dokumentasjon og bygger et svar som kan etterprøves.
En mer presis målsetting er derfor: La brukeren levere alt materialet på én gang, men la agenten lese, undersøke og sammenstille det i etapper. Tre gjennomlesninger kan være en nyttig analysemetode, men erstatter ikke styring av begrenset kontekst.1
3
En lovende retning: Recursive Language Models
Recursive Language Models (RLM-er) behandler lange innspill som et eksternt miljø. Modellen kan undersøke materialet, dele det opp og kalle på modeller for å analysere utvalgte utdrag, i stedet for å sende hele innholdet inn i ett enkelt kontekstvindu.3
Det ligger nær tanken om å gi systemet alt på forhånd, men samtidig la det arbeide seg grundig gjennom kildene. Det er likevel ingen garanti for ubegrenset eller feilfri analyse. Forskningsartikkelen peker blant annet på at rekursive kall kan bli kostbare, og at løsningen gir utfordringer knyttet til sikkerhetsgrenser og kompleksitet i driften.3
En praktisk hovedmodell er derfor å kombinere innlasting ved behov, avgrensede deloppgaver, eksterne bevisnotater og tydelige leveranser underveis. Anthropic anbefaler blant annet kildehenvisninger, dynamisk innlasting, strukturerte notater og isolerte deloppgaver, framfor å forhåndslaste alle originalkildene.12 Arbeid på tvers av flere økter krever dessuten konkrete artefakter som gjør det mulig å fortsette senere.
7
Anthropics nyere arbeid om agentminne beskriver hvordan logger kan brukes til å lage nye notater og representasjoner.4 Slikt minne kan støtte arbeid på tvers av økter, men fjerner ikke begrensningen i kontekstvinduet i en enkelt økt. AWS har også publisert et eksempel på RLM-er med AgentCore Code Interpreter og Strands.
Feil i agentlogger betyr ikke automatisk fullt kontekstvindu
En gjennomgang av fem nyere Roo-analyseøkter fant ikke de opprinnelige loggene fra den aktuelle Plan-økten i Cline. Derfor kan den konkrete årsaken til at Cline-vinduet stoppet, ikke fastslås ut fra materialet som var tilgjengelig.
To andre typer blokkeringer var synlige i loggene:
- I en MCP-økt for dekonstruksjon fikk agenten beskjed om at prosjektet ikke lå i serverens tillatte område. Strømmen fra oppstrømstjenesten ble også avbrutt, og økten endte mens den avklarte hvilken metode som skulle brukes til å hente bevis. API-historikken var på rundt 21 000 tegn, men det er ikke nok til å konkludere med at kontekstvinduet var fullt.
- I en økt som sammenlignet flytdiagrammer, forekom både en 503-feil for utilgjengelige ressurser og et avbrudd i oppstrømsstrømmen. Økten fant ikke fram til bildeinnholdet. Historikken var på rundt 367 000 tegn, hvorav omtrent 354 000 kom fra to bildefelt. Tegnantall for kodet bildedata kan ikke likestilles med antall teksttokener.
En annen økt endte med et ferdig resultat. Det er altså ikke grunnlag for å beskrive alle gjennomgåtte økter som ubegrenset forskning eller som sammenbrudd på grunn av kontekstvinduet. Tilgangsavslag, transportfeil, manglende kilder og forskning som ikke kommer fram til en konklusjon, bør håndteres hver for seg. Komprimering av kontekst løser ikke de tre første problemene.
Slik kan systemet ta imot hele materialpakken
Målet bør ikke være å presse alt inn i ett fast sammendrag. Systemet trenger en arbeidsflyt som kan hente fram originalkildene igjen når det trengs.
- Registrer materialet. Ta vare på brukerens opprinnelige idémyldring, og skill mellom mål, absolutte krav, åpne spørsmål og referansemateriale. Registrer filer, artikler, blogger og kodebaser med identitet, versjon, tilgangsstatus og om de faktisk er hentet inn. Oppgi tydelig når en kilde ikke er tilgjengelig.
- Bygg et kildelager som kan leses på nytt. Konverter PDF-er, nettsider og kode til formater som er lette å søke i, men behold originalene og presise henvisninger til sider, tekstblokker, symboler og kodelinjer. En AST-struktur gir ikke i seg selv forståelse av kildekoden, og konvertering til Markdown er ikke det samme som å forstå en forskningsartikkel.
- Les i tre faser. Først kartlegger systemet materialet og lager en foreløpig forståelse av behovet, evidensen, mulige retninger og hva som bør prioriteres. Deretter undersøkes avgrensede beslutningsspørsmål; hvert deloppdrag bør rapportere påstander, kildestøtte, begrensninger, motbevis og hva som gjenstår å lese. Til slutt undersøkes de antakelsene som faktisk kan påvirke valget, med målrettet fordypning og kritisk gjennomgang. Det er ikke nødvendig å lese alt tre ganger dersom det ikke endrer beslutningen.
- Hold arbeidsminnet begrenset og dynamisk. Hovedagenten bør bare ha med seg bevisene som trengs for den aktuelle beslutningen, viktige krav og uavklarte punkter. Når mer detalj trengs, kan den hente fram originalkilden. Et tidligere foreslått arbeidsbudsjett på 20 000–40 000 tokener bør behandles som en størrelse som må testes, ikke som en garanti for at alle komplekse oppgaver kan komprimeres dit.
- Lever underveis, og ha klare stoppregler. Gi en foreløpig vurdering etter første gjennomgang. Når grensen for leserunder, tid, kostnad eller kontekstbudsjett er nådd, skal systemet oppsummere hva det vet, hva som er uklart, hvilke kilder som mangler og hva som gjenstår. Stopp når gjentatt lesing ikke lenger endrer vurderingen. Tilgangsavslag, gjentakende feil og avbrutte strømmer skal føre til en tydelig melding – ikke uendelige nye forsøk.
Dette er en foreslått teknisk arbeidsavtale, ikke en bekreftelse på at eksisterende vertssystemer allerede støtter den. Det må særlig prøves ut om løsningen kan ta kontroll over store førstegangsinnspill, og om resultatene fra verktøyene kan holdes innenfor et avgrenset budsjett. Å registrere et MCP-verktøy alene gjør ikke at systemet automatisk kan håndtere en svært stor første melding.
Hva bør endres i arkitekturvedtak og plan?
Det eksisterende arkitekturvedtaket bør beholde det som allerede er godkjent og de fysiske forutsetningene som er dokumentert. I tillegg bør det presiseres at gatewayen ikke skal være kontrollplanet for dokumentforskning. Hovedmålet bør i stedet være gradvis gjennomgang av mange ulike kilder, syntese av sporbare bevis og avklaring av brukerens behov. Verktøy for dokumenttolking bør kunne byttes ut uten å endre denne arbeidsflyten.
Planen bør på samme måte beholde arbeidet som allerede er fullført, men legge til en separat beslutningsport for neste utvidelse. Første prioritet bør være å teste registrering av hele materialpakken, et begrenset arbeidsminne, konkrete resultater fra de tre lesefasene, gjenopptakelse på tvers av økter og tydelig håndtering av feil. Det er liten verdi i å konkurrere om hvilken tolkemotor som er best før forskningsløpet som helhet fungerer.
Gode akseptansekriterier bør vise at:
- det går an å spore hvilke kilder og deler av kildene som er lest;
- viktige krav ikke forsvinner underveis;
- resultatene fra verktøyene ikke bygger seg opp uten grense;
- arbeidet kan gjenopptas i en ny økt;
- avslag på tilgang, 503-feil, avbrutte strømmer og oppbrukt budsjett gir en forståelig status og en nyttig delrapport;
- sluttkonklusjonen er kontrollert mot både behov, kildestøtte og motargumenter.
Gjennomgangen var skrivebeskyttet: Arkitekturvedtak, plan og RFC ble ikke endret, og ingen tester ble kjørt eller endringer sendt inn. Hovedpoenget er likevel tydelig: Lever alle kildene samlet, men la agenten undersøke dem trinnvis. Målet er å utvide hva systemet kan hente inn og dokumentere – ikke å gjøre ett chattevindu uendelig stort.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "La agenten lese materialet i etapper – ikke alt på én gang"?
Det er mulig å gi systemet hele materialpakken på én gang uten at alle kildene må inn i samme modellkall.
What are the key points to validate first?
Det er mulig å gi systemet hele materialpakken på én gang uten at alle kildene må inn i samme modellkall. Recursive Language Models lar modellen undersøke og dele opp lange innspill utenfor kontekstvinduet, men løser ikke utfordringer med kostnader, sikkerhet eller drift alene.[3]
What should I do next in practice?
En robust arbeidsflyt bør kombinere kilder som kan leses på nytt, avgrensede deloppgaver, sporbare bevis og leveranser underveis.[7][12]