XNews

コンテキストエンジニアリングと長期稼働AIエージェント

コンテキストエンジニアリングと長期稼働AIエージェント

複数の投稿が、長期稼働AIエージェントおよびRAGシステムにおける実行可能なコンテキストを保持するための技術と基準を文書化しています。

Key insights

コンテキスト圧縮はタスクに重要な詳細を保持する必要がある

AIエージェントのコンテキスト圧縮戦略の評価では、極端な圧縮がしばしば低エントロピーだが重要なアーティファクト(ファイルパス、エラーログ)を捨ててしまうことが分かりました。提案された「アンカー付き反復要約」(ファクトリーアプローチ)は、構造化された持続的要約(意図、ファイルの変更、決定、次のステップ)を維持し、タスクの継続性においてOpenAIやAnthropicの不透明な高圧縮手法を上回ります。

コンテキストエンジニアリングがコアシステムの防壁となる

BoxのCEOであるLevieは、エージェントの失敗が論理的制限から情報の非対称性に移行することを示しています。「コンテキストエンジニアリング」は、ドメインを超えた専門家が必要とするデータの正確な次元と密度を提供しなければなりません。Levieは、検索、ヒューリスティックランキング、システムプロンプト、状態空間最適化という技術的な柱を列挙し、計算駆動の情報処理を競争の障壁として強調しています。

Agentic RAGの生産パターンが成熟している

GitHubプロジェクト「Agentic RAG for Dummies」が生産準備が整ったアプローチとして強調されています:これは、対話メモリ、階層インデックス、小スライス検索と大スライスコールバック、マルチエージェントの並列処理、アクティブな明確化質問を使用しています。このプロジェクトには、Gradio UI、PDF→Markdownパイプライン、Dockerデプロイメント、迅速なローカルデプロイメント用のノートブックが含まれています。

オープン標準「エージェントスキル」が相互運用性を加速する

エージェントスキルは、オープンでファイルシステムベースのスキルフォーマット(YAMLフロントマター付きのSKILL.md)として紹介されています。スキルは段階的にロードされます:エージェントは起動時にメタデータをロードし、タスクが一致したときに完全なコンテンツを取得します。Anthropic、Claude/Claude Code、Microsoft VS Code/GitHub Copilotなどの他の製品がスキルを採用しており、再利用可能なスキルパッケージ、段階的なロード、企業の知識キャプチャを可能にしています。

フロントエンドエージェントのケーススタディが技術的成功から製品適合への焦点を移す

FEDayのケーススタディでは、技術的エージェントの実装から製品の失敗に移行し、その後認知フレームワークをアップグレードしたチームの物語が語られています。この物語は、エージェントをデモから生産に移行するために必要な製品レベルの指標、人間の関与ポイント、ユーザーエクスペリエンスの調整を強調しています。

Source posts