เอเจนต์ AI เรียนรู้ทักษะใหม่ได้อย่างไร และเก็บกวาดหลังตัวเองอย่างไร

ความจำบอกว่าอะไรจริง ทักษะบอกว่างานทำกันอย่างไร

บทสนทนาเรื่องความจำของ AI ส่วนใหญ่หยุดอยู่ที่ข้อเท็จจริง และข้อเท็จจริงก็ควรเก็บไว้จริง ทั้งราคาของคุณ กฎการส่งต่อเรื่อง ใครคือลูกค้าที่รับมือยาก ชั้นทั้งหมดนั้นคือเรื่องของ เอเจนต์ AI จดจำได้อย่างไร มันมีประโยชน์จริง แต่ก็ยังไม่ใช่สิ่งเดียวกับความสามารถ

ความสามารถเป็นเรื่องของขั้นตอน รายงานวันจันทร์ประกอบขึ้นตามลำดับที่แน่นอน จากแหล่งที่แน่นอน พร้อมข้อควรระวังที่แน่นอน คำถามเรื่องคืนเงินต้องตรวจสามอย่างก่อนใครจะตอบ การทบทวนซัพพลายเออร์รายไตรมาสดึงตัวเลขหกตัวเดิมทุกครั้ง เอเจนต์ที่มีข้อเท็จจริงครบถ้วนแต่ไม่มีขั้นตอน จะทำแต่ละอย่างต่างออกไปเล็กน้อยทุกครั้ง และความไม่นิ่งนั่นเองคือสิ่งที่ทีมของคุณสังเกตเห็น

เอเจนต์ของ Olano จึงเก็บสิ่งประดิษฐ์อีกประเภทไว้ข้างความจำ นั่นคือทักษะ ทักษะคือโฟลเดอร์เล็ก ๆ ที่มีไฟล์ SKILL.md อยู่ข้างใน ทั้งชื่อ คำอธิบายบรรทัดเดียว ตัวกระตุ้นที่บอกว่าควรหยิบมาใช้เมื่อใด และขั้นตอนที่มีหมายเลขกำกับ ทักษะบางอย่างมาพร้อมแพลตฟอร์ม บางอย่างมาจากชุดทักษะหรือมาร์เก็ตเพลส บางอย่างคุณเขียนเอง และบางอย่างเอเจนต์เขียนให้ตัวเอง จากงานที่มันได้ลงมือทำจริง

บทความนี้ว่าด้วยประเภทสุดท้ายนั้น

ทักษะที่เรียนรู้มานั้นมาจากไหน

ทุกตาที่เอเจนต์พูดจะถูกต่อท้ายลงในบันทึก มีงานเบื้องหลังคอยอ่านบันทึกเหล่านั้นตามจังหวะ ทุกชั่วโมงในการตั้งค่าที่ขยันที่สุด ทุกสี่ชั่วโมงในการตั้งค่าที่ผ่อนที่สุด และมันอ่านเฉพาะส่วนที่ยังไม่เคยอ่าน โดยไล่ตามด้วยตำแหน่งไบต์ของแต่ละบันทึก ไม่มีอะไรถูกวิเคราะห์ซ้ำ และไม่มีอะไรตกหล่นเพราะไฟล์ยาวขึ้นระหว่างการทำงานสองรอบ

จากนั้นงานรอบนี้ถูกทำให้เริ่มทำงานยากโดยตั้งใจ

• ถ้ามีตาใหม่ไม่ถึงสี่ตา มันจะไม่ทำอะไรเลย ตำแหน่งอ่านยังถูกบันทึกอยู่ดี เพื่อไม่ให้ตาเหล่านั้นสะสมจนรอบหลังตีความเกินจริง
• มันทำงานบนชั้นการให้เหตุผลเชิงลึก ไม่เช่นนั้นก็ไม่ทำงานเลย ไม่มีโมเดลสำรองราคาถูก เอเจนต์แต่ละตัวมีเพดานการทำงานเชิงลึกต่อวัน ราว ๆ หก สิบสอง หรือยี่สิบสี่ครั้ง ขึ้นกับค่าจังหวะที่ตั้งไว้ และเมื่อเพดานหรืองบประมาณค่าใช้จ่ายหมดลง รอบนั้นจะถูกข้ามไปและลองใหม่ครั้งหน้า โดยปล่อยตำแหน่งอ่านไว้ยังไม่บันทึก การวิเคราะห์ที่คุณภาพตกนั้นแย่กว่าการไม่วิเคราะห์เลย เพราะมันผลิตขั้นตอนที่มั่นใจแต่ผิด
• มันถอยออกมาระหว่างที่ความจำกำลังถูกเขียนใหม่ งานรวบรวมความจำจะจับล็อกไว้ ตัวกลั่นเห็นล็อกนั้นแล้วถอยออก แทนที่จะเขียนต่อท้ายลงในไฟล์ที่กำลังถูกเขียนใหม่ทั้งไฟล์

เมื่อมันได้ทำงานจริง ข้อเท็จจริงจะลงความจำก่อน จากนั้นถ้าการเรียนรู้ทักษะเปิดอยู่ ตาชุดเดียวกันจะถูกส่งต่อไปยังงานรอบที่สอง

ฝ่ายสำรวจอ่านคลังทักษะก่อนจะอ่านบันทึกบทสนทนา

นี่คือส่วนที่กันไม่ให้คลังทักษะที่เรียนรู้มากลายเป็นกองขยะ ฝ่ายสำรวจทักษะไม่ได้รับบทสนทนามาพร้อมคำถามว่า คุณเรียนรู้อะไรบ้าง แต่ได้รับบทสนทนาพร้อมบัญชีรายการทักษะทุกอย่างที่เอเจนต์มีอยู่แล้ว รวมถึงทักษะที่ระบบดูแลและของบุคคลที่สาม ซึ่งอยู่นอกพื้นที่ทำงานของเอเจนต์เองและเครื่องมือจัดการไฟล์ของมันมองไม่เห็น แล้วจึงถูกถามว่ายังขาดอะไร ถ้าขาด

ผู้สมัครแต่ละรายที่ส่งกลับมาจะมีการกระทำกำกับ และสองในสามการกระทำนั้นไม่ได้สร้างทักษะใหม่เลย

• skip ความสามารถนี้มีอยู่แล้ว นี่คือผลลัพธ์ที่พบบ่อยที่สุด และถือว่าสำเร็จ
• update ทักษะที่มีอยู่ครอบคลุมเกือบหมดแล้วและควรลับให้คมขึ้น ผู้สมัครจะระบุเป้าหมายไว้
• create ใหม่จริง ๆ เมื่อนั้นเท่านั้นจึงจะมีการเขียนทักษะขึ้นมา

ทักษะใหม่จะผ่านการตรวจรอบที่สอง ซึ่งกวาดหาชื่อที่เกือบซ้ำกัน หยุดถ้าเจอ และเขียนไฟล์ SKILL.md ที่โครงสร้างเรียบร้อยพร้อม frontmatter ที่ถูกต้อง ถ้าการตรวจรอบนั้นไปไม่จบ ระบบจะเขียนผู้สมัครลงไปตรง ๆ แทนที่จะปล่อยให้หายไป

ปรับปรุงทักษะที่มันไม่ได้เขียนเอง

การปรับปรุงคือกรณีที่น่าสนใจ เพราะวิธีทำที่ชัดเจนที่สุดกลับเป็นวิธีที่ผิด

ทักษะที่คุณติดตั้งไม่ใช่เอกสารแผ่นเดียว มันอาจเป็นคู่มือหลายไฟล์ ทั้ง SKILL.md บวกสคริปต์ ตารางอ้างอิง แบบฟอร์ม เทมเพลต และความเป็นเจ้าของอยู่ที่ต้นทาง เมื่อชุดที่มันมาถูกอัปเดต โฟลเดอร์นั้นจะถูกแทนที่ทั้งก้อน ดังนั้นเอเจนต์ที่ ปรับปรุง ทักษะแบบนั้นด้วยการเขียนทับในที่เดิม จึงทำผิดสองอย่างพร้อมกัน มันบีบคู่มือให้เหลือเป็นบทสรุป และมันวางสิ่งที่ปรับปรุงไว้ตรงทางของการอัปเดตครั้งถัดไปพอดี ซึ่งจะลบมันทิ้งอย่างเงียบ ๆ

Olano ใช้วิธีแตกสายแทน ครั้งแรกที่เอเจนต์ปรับปรุงทักษะที่ไม่ใช่ของตัวเอง

• ทั้งโฟลเดอร์จะถูกคัดลอกเข้าคลังที่เรียนรู้ของเอเจนต์ทีละไบต์ โดยเขียนการอ้างอิงเส้นทางภายในใหม่ เพื่อให้สำเนาทำงานได้จากตำแหน่งใหม่
• สำเนาใช้ชื่อเดียวกับต้นฉบับเป๊ะ ๆ ดังนั้นเมื่อเอเจนต์โหลดทักษะ สำเนาจะบังต้นฉบับไว้ ไม่ใช่แทนที่ต้นฉบับ ไฟล์ต้นฉบับไม่เคยถูกแตะบนดิสก์เลย
• ข้าง ๆ กันจะมีการเขียนบันทึกที่มา ทั้งลายนิ้วมือรายไฟล์ของต้นทาง ณ เวลาที่แตกสาย ลายนิ้วมือรายไฟล์ของสำเนา ณ เวลาเดียวกัน และโครงสร้างหัวข้อของไฟล์ SKILL.md เดิม
• ภาพถ่ายสถานะเริ่มต้นที่ยังไม่ถูกแตะต้องจะถูกเก็บแยกไว้ เพื่อใช้เป็นฐานในการรวมภายหลัง

การปรับปรุงครั้งต่อ ๆ ไปจะลงที่สำเนาแบบเพิ่มเติมเข้าไป จากตรงนี้เกิดคุณสมบัติสองอย่างที่การออกแบบแบบเขียนทับในที่เดิมไม่มีทางมีได้ คำถามว่า การปรับปรุงครั้งนี้ทำอะไรหายไปหรือเปล่า กลายเป็นคำถามที่ตรวจสอบได้กับเส้นฐานที่บันทึกไว้ ไม่ใช่การเทียบแบบคลุมเครือระหว่างเอกสารสองฉบับที่ไม่เกี่ยวกัน และคำถามว่า ต้นฉบับเปลี่ยนที่ต้นทางหรือยัง ก็ยังตอบได้เสมอ

ด่านรักษาเนื้อหา

รูปแบบความล้มเหลวที่ทุกคนกังวลกับระบบที่แก้ไขตัวเองได้ คือการเสื่อมลงทีละน้อยอย่างเงียบ ๆ แต่ละรอบสั้นลงนิด จืดลงหน่อย จนสิ่งที่เคยใช้งานได้เหลือเป็นย่อหน้าของคำพูดลอย ๆ การสัญญาว่าจะไม่เกิดขึ้นไม่ใช่คำตอบเชิงวิศวกรรม

ดังนั้นทุกครั้งที่โหลดทักษะ สำเนาที่เรียนรู้มาจะถูกตรวจเทียบกับสถานะเริ่มต้นที่บันทึกไว้ของตัวเอง มันไม่ผ่านถ้า

• ไฟล์ที่เคยมีอยู่ ณ เวลาแตกสาย ตอนนี้หายไป
• ไฟล์เนื้อหาหดลงต่ำกว่าครึ่งหนึ่งของขนาดเดิม ไฟล์ที่เล็กกว่าราวครึ่งกิโลไบต์ได้รับยกเว้น เพราะไฟล์เล็กเปลี่ยนขนาดมากได้เป็นเรื่องปกติ
• ไฟล์ SKILL.md สูญหัวข้อของต้นฉบับไปเกินหนึ่งในสาม

สำเนาที่ไม่ผ่านจะถูกกักไว้ มันเลิกบังต้นฉบับ และต้นฉบับกลับมาทำหน้าที่แทน เอเจนต์เสียการปรับปรุงไปหนึ่งอย่าง แต่ไม่ได้เสียทักษะที่ใช้งานได้ และด่านนี้ตั้งใจใช้กับสำเนาที่เครื่องเขียนเท่านั้น ทักษะที่เรียนรู้ซึ่งคนเขียนด้วยมือจะไม่ถูกกักเลย เพราะการเขียนทับโดยตั้งใจควรมีน้ำหนักเหนือกว่า แม้จะสั้นกว่าก็ตาม

เมื่อต้นฉบับเปลี่ยนอยู่ข้างใต้

สุดท้ายทักษะต้นทางย่อมถูกอัปเดต ทั้งการรีเฟรชชุด การอัปเดตบนมาร์เก็ตเพลส หรือการแก้ไขโดยทีมของคุณ ตอนนี้มีสองสายที่ขยับทั้งคู่ และบันทึกที่มาทำให้การรวมสามทางของจริงเป็นไปได้ แทนที่จะต้องเดา การตัดสินทำเป็นรายไฟล์ และใช้วิธีที่แน่นอนก่อน จะถามโมเดลเฉพาะตรงที่ไม่มีคำตอบแน่นอนเท่านั้น

เลื่อนตารางไปด้านข้างเพื่อดูทุกคอลัมน์

หลังจากนั้นลายนิ้วมือและภาพถ่ายฐานจะถูกปรับให้เป็นสถานะหลังรวม นั่นคือสิ่งที่ทำให้วงรอบนี้ลู่เข้า ความคลาดเคลื่อนเดิมจะไม่ถูกแจ้งซ้ำ และด่านรักษาเนื้อหาก็ยังทำงานเทียบกับเส้นฐานใหม่ ไม่ใช่เส้นฐานเก่าคร่ำครึ สำเนาที่ตอนนี้ไม่ผ่านด่านจะถูกข้ามจากการรวมทั้งหมด เพราะการรวมสำเนาที่เสื่อมแล้วกลับเข้ามาเท่ากับฟอกให้มันกลับมาใช้งาน

หนึ่งรอบทั่วทั้งคลัง

การตรวจทักษะทีละอันไม่เหมือนกับการทำให้คลังทั้งคลังเป็นเนื้อเดียวกัน จึงมีงานอีกรอบหนึ่งซึ่งมีตารางของตัวเอง คอยอ่านทักษะทุกอันที่เอเจนต์มี และถือทั้งชุดเป็นหน่วยงานเดียว รวมของซ้ำและเกือบซ้ำให้เหลือฉบับหลักฉบับเดียว ด้วยชื่อที่ดีที่สุด ตัวกระตุ้นที่ชัดที่สุด และขั้นตอนที่รวมกัน ลบโฟลเดอร์ที่รวมไปแล้ว รวมสำเนาที่ต้นฉบับเคลื่อนไปใหม่อีกครั้ง และปรับปรุงสิ่งที่เหลืออยู่

ขอบเขตนี้เป็นการบังคับ ไม่ใช่คำแนะนำ สำหรับงานรอบนี้ ต้นฉบับและทักษะที่ระบบดูแลเป็นแบบอ่านอย่างเดียว มันแก้ไข รวม และลบได้เฉพาะภายในคลังที่เรียนรู้เท่านั้น ก่อนเริ่ม ทุกไฟล์ที่มันอาจแตะจะถูกถ่ายภาพไว้ และเมื่อเสร็จมันจะรายงานว่าเปลี่ยนอะไรบ้าง พร้อมปุ่มย้อนกลับเพียงปุ่มเดียว

ปฏิบัติแบบเดียวกันกับพื้นที่ทำงานเอง

การตั้งค่าของเอเจนต์เองก็เป็นข้อความเช่นกัน และข้อความที่เขียนทีละนิดตลอดหลายเดือนก็สะสมแบบเดียวกัน คำสั่งเดียวกันถูกเขียนสามแบบในสามที่ ความชอบถูกจดไว้ผิดไฟล์ บันทึกเดียวกันซ้ำอยู่ในบันทึกประจำวันสิบเอ็ดวันติดกัน และบางครั้งก็มีคำสั่งสองข้อที่ขัดกันอยู่เงียบ ๆ

งานรวบรวมพื้นที่ทำงานดูแลเรื่องนี้ มันอ่านไฟล์ตัวตน พฤติกรรม คำสั่ง และความจำระยะยาวของเอเจนต์ บวกกับบันทึกประจำวันของสองสัปดาห์ล่าสุด แล้วเขียนใหม่ในที่เดิม รวมของซ้ำที่เปลี่ยนถ้อยคำ ตัดความขัดแย้งออก จัดเนื้อหาที่เกี่ยวข้องไว้ใต้หัวข้อที่ชัดเจน และย้ายเนื้อหาไปไว้ในไฟล์ที่มันควรอยู่จริง ๆ บันทึกประจำวันถูกตัดของซ้ำหนักที่สุด เพราะที่นั่นคือที่ที่ความซ้ำสะสมเร็วที่สุด

คำสั่งที่มันทำตามยาวแค่ประโยคเดียว แต่ประโยคนั้นแบกไว้ทั้งหมด รักษาน้ำเสียงของเอเจนต์และคำสั่งเฉพาะทุกข้อไว้ รวบได้ แต่อย่าลบเด็ดขาด เช่นเดียวกับงานจัดคลัง ไฟล์เป้าหมายทุกไฟล์จะถูกถ่ายภาพไว้ก่อน และผลลัพธ์จะถูกรายงานพร้อมปุ่มย้อนกลับคลิกเดียว

สองหลักเกณฑ์ และความต่างนั้นสำคัญ

ไม่ใช่ทุกอย่างในวงรอบนี้ถูกกำกับเหมือนกัน และการแบ่งเช่นนั้นเป็นความตั้งใจ ไม่ใช่ความสะดวก

• การเปลี่ยนสิ่งที่เอเจนต์ถูกสั่งให้ทำนั้นเป็นได้แค่ข้อเสนอ The pass that reviews recent work and concludes an agent's instructions should be sharper does not edit those instructions. It writes grounded proposals into a review queue, and they wait - even with Fully Autonomous on, which otherwise lets new skills, memory and tidy-ups apply on their own. Nothing rewrites an agent's instructions because a background job thought it should, unless a deployment owner has explicitly lifted that hold for the agent.
• การจัดระเบียบที่ไม่สูญเสียอะไรจะทำเลย พร้อมภาพถ่ายและปุ่มย้อนกลับ การตัดของซ้ำในความจำ การรวมทักษะที่เรียนรู้สองอันที่เหมือนกัน การรวบบันทึกที่ซ้ำ สิ่งเหล่านี้ไม่เปลี่ยนสิ่งที่เอเจนต์ทำ เปลี่ยนแค่ความเป็นระเบียบของสิ่งที่เขียนไว้ การบังคับให้คนคลิกอนุมัติทุกครั้งจะฝึกทีมของคุณให้อนุมัติโดยไม่อ่าน ซึ่งเป็นผลลัพธ์ที่แย่ที่สุดสำหรับคิวที่สำคัญจริง ๆ ดังนั้นมันจึงทำเลยหลังถ่ายภาพไว้ และทุกครั้งที่ทำงานก็จะรายงานว่าเปลี่ยนอะไรพร้อมปุ่มย้อนกลับ

ทั้งหมดนี้ปิดได้ พฤติกรรมแต่ละอย่าง ทั้งการกลั่น การเรียนรู้ทักษะ การดูแลคลัง การรวบรวมพื้นที่ทำงาน การรวบรวมความจำ ล้วนเป็นสวิตช์อิสระ ตั้งได้สำหรับทั้งการติดตั้ง และเขียนทับรายเอเจนต์ได้ทั้งสองทิศทาง ดังนั้น ปิดทุกที่ยกเว้นเอเจนต์ตัวนี้ จึงเป็นการตั้งค่าที่ทำได้จริง เหนือขึ้นไปมีสวิตช์หลัก และตัวเลือกแยกต่างหากระหว่างการทำงานตามตาราง กับการทำงานเฉพาะเมื่อมีคนสั่ง ค่าจังหวะที่ตั้งไว้ ทั้งผ่อน สมดุล และเข้ม จะขยับทั้งตารางและเพดานการให้เหตุผลเชิงลึกต่อวันไปด้วยกัน และทั้งหมดอยู่ภายใต้ การควบคุมค่าใช้จ่ายอย่างเข้มงวดชุดเดียวกับที่กำกับทุกอย่างในการติดตั้ง.

วงรอบเต็ม ๆ หน้าตาเป็นอย่างไร

การทบต้นนี้มาช้าแต่เป็นรูปธรรม รายงานที่เอเจนต์ฝ่ายปฏิบัติการของคุณประกอบด้วยมือสามสัปดาห์ติด พอสัปดาห์ที่สี่ก็มีอยู่แล้วในรูปขั้นตอนที่เขียนไว้ ทักษะจากชุดที่เกือบเข้ากับอุตสาหกรรมของคุณก็พาการแก้ไขของคุณไปด้วย และยังรับการอัปเดตครั้งถัดไปของผู้ให้บริการได้ แทนที่จะถูกทับจนราบ ไฟล์คำสั่งที่เคยบานเป็นสี่หน้าของคำแนะนำที่ทับซ้อนกัน เหลือสองหน้าที่ไม่ทับซ้อน และทุกประโยคที่เคยมีอยู่เฉพาะในฉบับที่คุณลบทิ้ง ก็ยังอยู่ในฉบับที่คุณเก็บไว้

สิ่งนี้ไม่ใช่อะไร

ไม่มีการเทรน ปรับละเอียด หรือปรับแต่งน้ำหนักของโมเดลใด ๆ ทั้งวงรอบนี้ทำงานอยู่เหนือโมเดลขึ้นมาหนึ่งชั้น บนสิ่งที่เขียนด้วยภาษาธรรมดาภายในการติดตั้งที่แยกออกมาของคุณเอง ทั้งทักษะ รายการความจำ และข้อเสนอแก้คำสั่ง ทั้งหมดเป็นไฟล์ ทีมของคุณอ่านได้ แก้ด้วยมือได้ อนุมัติได้ ย้อนกลับได้ และตรวจสอบได้ว่าใครเปลี่ยนอะไรเมื่อไร

นี่ไม่ใช่ข้อจำกัดที่เราพยายามเลี่ยง มันคือเหตุผลที่ทำให้วงรอบนี้เป็นสิ่งที่คุณกำกับได้ แทนที่จะเป็นสิ่งที่คุณต้องเชื่อใจ และด้วยเหตุผลเดียวกันนี้เอง โมเดลที่อยู่ข้างใต้เปลี่ยนได้โดยที่เอเจนต์ไม่สูญสิ่งที่เรียนรู้มา.