Autonomous Agents: حافظه (memory) و ابزارها (tools)

بخشی از دوره Prompt Engineering

در درس ۵ با فراخوانی تابع به مدل ابزار دادید و در درس ۶ با بازیابی، حافظه بلندمدت. این درس همان دو تکه را داخل یک حلقه می‌گذارد تا مدل بتواند عمل کند، نتیجه را ببیند و تصمیم بگیرد قدم بعدی چه باشد، و این کار را بارها تکرار کند تا به هدف برسد. همین حلقه است که مدلی را که یک بار پاسخ می‌دهد به عاملی تبدیل می‌کند که به سمت چیزی کار می‌کند.

هر چه تا اینجا دیده‌اید یک داد و ستد تک‌مرحله‌ای بوده است. پرامپت می‌فرستید، مدل متنی برمی‌گرداند، و کار تمام است. این شکل قدرتمند است، اما جایی متوقف می‌شود: مدل نمی‌تواند کار خودش را بررسی کند، واقعیتی که کم دارد را جمع کند، یا بر پایه چیزی که قدم اول تولید کرده قدم دومی بردارد.