Agents auto-optimisants
Des agents qui génèrent, testent, comparent et promeuvent des variantes sous contraintes mesurables au lieu de s'appuyer sur l'intuition.
Comment fonctionne l'optimisation
Le système propose des variantes de workflow, les exécute sur des jeux de données d'évaluation, compare leur comportement au niveau des traces et ne promeut que les candidats qui s'améliorent sans casser les seuils de qualité.
Ce qui peut changer
L'optimisation peut cibler le routage des modèles, la politique de prompts, la forme du retrieval, le budget d'outils, la portée mémoire, le nombre de nœuds et le code généré.
Ressources connexes
Suites d'évaluation qui mutent prompts, modèles, politiques de retrieval, code généré et structure des nœuds avant promotion.
Une stratégie de gateway pour choisir le bon modèle par tâche selon la confidentialité, le coût, la latence, la qualité et le mode de défaillance.
Une visibilité au niveau des traces sur les appels de modèle, le retrieval, les outils, les décisions, les approbations, les coûts et les échecs.