Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Descripción general de la cognición aumentada con LLM
En esencia, el módulo cognitivo de un agente de software puede considerarse un LLM repleto de mejoras. El agente puede utilizar los siguientes componentes básicos para razonar eficazmente en su entorno:
-
Solicitud: enmarcar la entrada utilizando el contexto, las instrucciones, los ejemplos y la memoria
-
Recuperación: proporcionar up-to-date conocimientos específicos de un dominio a la solicitud LLM mediante la búsqueda vectorial o la memoria semántica, por ejemplo, mediante la generación de recuperación aumentada (RAG)
-
Uso de herramientas: permite al LLM invocar o llamar a funciones para recuperar información o actuar en función de ella APIs
-
Memoria: incorporar un estado persistente o basado en una sesión en el ciclo de razonamiento, ya sea mediante bases de datos estructuradas o resúmenes contextuales
Estos aumentos se componen de flujos de trabajo que definen cómo se utiliza el LLM a lo largo del tiempo y en todas las tareas, lo que lo transforma de un motor sin estado en un agente de razonamiento dinámico.
