Good Stake -> Agen Produktif

banyak yang percaya bahwa agen AI hanyalah prompt yang ditulis dengan baik
di luar itu, sangat penting untuk memilih potongan agen yang tepat:
> LLM
> Tools
> Memory
> Triggers
> Feedback loop
bukan satu titik - agen hanyalah pembicara kosong
1. LLM: mesin penalaran
bagian ini mendefinisikan objektif, rencana tindakan, dan desain eksekusi.
tetapi LLM itu sendiri tidak secara otomatis mengakses sistem Anda, mempertahankan konteks yang stabil, atau bertindak di dunia nyata
itulah mengapa "hanya menggunakan GPT" tidak sama dengan membangun agen
2. Tools: lapisan eksekusi
ini adalah tangan untuk agen, lapisan ini mengubah pemikiran menjadi tindakan
agen Anda dapat memeriksa data, mengirim pesan, dll menggunakan tools
tetapi tanpa tools, agen AI hanyalah sistem pembuatan teks
3. Memory: lapisan konteks
ini adalah apa yang membuat agen Anda konsisten seiring waktu
ini bisa berupa preferensi pengguna, skema dan gaya output teks, dll
tetapi ingat: jangan gunakan memory Anda sebagai selembar kertas dengan catatan
strategi ini hanya akan memberikan Anda penurunan performa dan membuat output Anda membingungkan
4. Triggers: keputusan untuk bangun
agen yang baik tidak perlu selalu berjalan
agen harus membangkitkan dirinya sendiri dengan peristiwa yang terjadi
strategi ini bekerja jauh lebih baik daripada sistem polling
5. Feedback loop: proses peningkatan
agen yang produktif tidak hanya bereaksi – agen meningkat seiring waktu
yaitu output-nya diperiksa, kesalahan disorot dan diperbaiki ke dalam prompts, tools, memory, atau evals