Agent Builder diventa più efficace con l'utilizzo, grazie alla sua capacità di memorizzare il feedback ricevuto. Ogni correzione, preferenza espressa e approccio efficace viene memorizzato e applicato nelle interazioni successive.

La memoria è un elemento chiave che rende Agent Builder uno strumento collaborativo. Per sfruttare al meglio questa funzionalità, è importante capire come comunicare efficacemente con l'agente. Ecco tre suggerimenti pratici.

Come funziona la memoria

Agent Builder si basa su Deep Agents, un framework open source di LangChain per task autonomi a lungo termine. L'agente ha accesso a un LLM per il ragionamento, strumenti per eseguire azioni (ricerca web, Slack, Google Sheets), la capacità di generare subagenti e un filesystem.

La memoria risiede nel filesystem e si divide in due tipologie:

  • Memoria a breve termine: File creati durante un task, come piani, output di chiamate a strumenti (risultati di ricerca web) e progressi. Esistono per la durata della conversazione, ma non persistono tra conversazioni diverse.
  • Memoria a lungo termine: File salvati in un percorso persistente (/memories/). Questi file vengono conservati tra le conversazioni e contengono le istruzioni e le skills principali dell'agente. La memoria è archiviata in file Markdown standard.

Insegna all'agente a ricordare

Durante l'interazione con l'agente, si genera continuamente contesto utile. Ad esempio, si può definire un formato efficace o perfezionare la presentazione dei risultati. Questo contesto risiede nella memoria a breve termine, ma può essere trasferito nella memoria a lungo termine.

È possibile istruire l'agente a salvare ciò che ha imparato con comandi come:

  • "Questo approccio ha funzionato bene. Aggiorna le tue istruzioni per utilizzarlo sempre in futuro."
  • "Ricorda che preferisco gli elenchi puntati ai paragrafi lunghi."
  • "Incorpora ciò che hai imparato da questa conversazione nella tua memoria."

L'agente aggiornerà le sue istruzioni a lungo termine in base al feedback ricevuto, proprio come farebbe un collega che prende appunti dopo una sessione di lavoro produttiva. Questo si traduce in meno correzioni e risultati migliori fin dall'inizio.

Usa le skills per contesti specializzati

Le skills sono una forma di memoria a lungo termine, ma con una differenza fondamentale: vengono caricate solo quando il task lo richiede. È come fornire all'agente una libreria di riferimento invece di fargli memorizzare tutto in anticipo. L'agente vede i titoli sugli scaffali e prende un libro solo quando è rilevante.

Avere troppo contesto non è sempre positivo. Un agente che cerca di memorizzare tutto contemporaneamente può perdere la concentrazione su ciò che conta per il task corrente, portando a risultati inaccurati.

È possibile chiedere all'agente di creare una skill in qualsiasi momento: "Crea una skill per [argomento] che includa [il contesto necessario all'agente]."

Modifica direttamente la memoria dell'agente

Le istruzioni e i file di configurazione dell'agente sono accessibili e modificabili direttamente. Agent Builder aggiorna automaticamente le proprie istruzioni in base al feedback, ma ci sono due motivi validi per considerare la modifica diretta:

  • Aiuta a capire come pensa l'agente. Leggere le istruzioni dell'agente è come rivedere il piano di progetto di un collega. Si può vedere come l'agente affronta il problema, cosa privilegia e dove le sue ipotesi potrebbero non corrispondere alle proprie. Se qualcosa non va, come un passaggio non necessario o un'ipotesi errata, si può correggere direttamente.
  • A volte è più veloce. Se si desidera modificare la frequenza con cui viene eseguito un task pianificato o modificare una singola riga nelle istruzioni, la modifica diretta richiede pochi secondi. Chiedere all'agente di apportare la modifica funziona, ma per aggiornamenti piccoli e precisi, modificare il file da soli può essere la soluzione più rapida.