یادداشت‌هایی از ساخت سیستم‌های ایجنت
هارنس‌های ارزیابی، الگوهای ارکستراسیون، طراحی حافظه و شکست‌های پشت آن‌ها — نوشته‌شده در حالی که جزئیات هنوز تازه است.
ایجنت‌هایی که اطاعت می‌کنند و باز هم آسیب می‌زنند: گزارش فیلادلفیا به‌عنوان یک خطای مشخصات
پرونده گزارش نادرست فیلادلفیا داستان توهم نیست. یک خطای مشخصات است: ایجنتی اقدامی پرپیامد را اجرا کرد که پیش‌شرط‌هایش هرگز اعلام نشده بود.
ردیابی غیرقطعی‌بودن: آنچه Concordance و DeepEval درباره ارزیابی عامل آشکار می‌کنند
تصمیم‌های ناسازگار عامل معمولاً مشکل ورودی گمشده است. ارزیابی باید زمینه کامل تصمیم را ثبت و بازپخش کند، نه اینکه خروجی‌ها را پس از وقوع امتیاز دهد.
کلید قطع فرض را بر یک فرایند می‌گذارد: معناشناسی خاموش‌سازی برای ناوگان‌های agent
کلیدهای قطع و طرح‌های مهار فرض را بر یک فرایند قابل کنترل به‌ازای هر agent می‌گذارند. یک ناوگان مستقرشده گرافی از والدها، فرزندان، نشست‌های ابزار و leaseها است — و به یک پروتکل خاتمه نیاز دارد، نه یک کلید.
تجارت عاملی یک مسئله دستور تفویض است، نه یک مسئله ویترین فروشگاه
والمارت و آمازون درباره ربات‌ها بحث نمی‌کنند. آن‌ها پاسخ‌های متفاوتی به این می‌دهند که چگونه اختیار خریدار بیان، محدود و در لحظه پرداخت اثبات می‌شود.
تجارت عامل‌محور بر سر مسئولیت تقسیم می‌شود، نه پروتکل: والمارت، آمازون و مسئلهٔ mandate
خرده‌فروش‌ها دربارهٔ عامل‌های خرید اختلاف دارند چون بر سر این که هزینهٔ تراکنش مورد مناقشه را چه کسی می‌پردازد توافق ندارند. رکورد mandate، نه پروتکل، سطح واقعی یکپارچه‌سازی است.
حاکمیت زمان اجرا بر حاکمیت پرامپت پیروز می‌شود: خوانش بحث Sentry و کلید قطع اضطراری Nvidia
کنترل‌های سطح پرامپت توصیه‌ای هستند، چون درون یک سیستم احتمالاتی زندگی می‌کنند. رهگیری زمان اجرا جایی می‌نشیند که کنش‌ها عینی می‌شوند، و اقتدار همان‌جاست.
مجموعه‌های ارزیابی فاسد می‌شوند: نسخه‌بندی هارنس، نه فقط مدل
ایجنت‌های خودبهبوددهنده‌ای که تست‌های خود را حفظ می‌کنند، نقصی در خط لوله را آشکار می‌کنند: مجموعه‌های ارزیابی، مصنوعات داده‌ای با همان الزامات چرخه حیات کد هستند.
عامل‌های خفته کلیدهایشان را نگه می‌دارند: بازپس‌گیری اعتبارنامه به‌عنوان یک مرحله از چرخه حیات
عاملی که اجرا را متوقف می‌کند اما اعتبارنامه‌هایش را نگه می‌دارد، یک principal بدون مراقبت است. بهداشت ناوگان باید انقضای اعتبارنامه را زمان‌بندی کند، نه اینکه آن را پس‌اندیشه‌ای در مرحله از رده خارج کردن بداند.
بنچمارک‌ها خوب‌اند؛ هارنس همان متغیری است که نسخه‌بندی‌اش نکرده‌اید
امتیاز یک لیدربورد حاصل ترکیب مدل، اسکیمای ابزارها، سیاست تلاش مجدد و محدودیت‌های زمان اجراست. هارنس را منتشر کنید، وگرنه عدد هیچ معنایی ندارد.