XNews

人工智能代理与上下文图基础设施

人工智能代理与上下文图基础设施

两个主题详细介绍了代理架构和基础设施。

Key insights

MiroThinker 1.5被定位为高效的开源研究代理

MiroThinker 1.5被介绍为一个高性能的开源研究代理,使用30B参数模型, reportedly 超越了1T参数级别的模型。该项目强调低推理成本(引用为$0.07)、自动化工作流程(搜索、假设、收集证据、验证和迭代)、多步骤自我修正、长上下文记忆,以及在v1.5中每个任务最多调用400个工具以支持复杂的层次推理链。

MiroThinker实现内存管理的多轮推理和工具编排

MiroThinker使用内存管理的多轮推理,保留最近五个上下文,同时清除无关历史,以维护信息完整性和低资源使用。该代理支持自动信息发现、多步骤规划与自我修正,以及在广泛序列中调用/执行工具,能够为研究级任务提供递归和层次推理。

上下文图被视为企业代理的下一代数据平台

Glean首席执行官Arvind Jain认为,企业代理需要'上下文图'——映射人员、活动和系统间关系的图,以理解真实的工作流程。他指出,上下文图捕捉由编辑、批准和沟通留下的操作'如何'痕迹,使代理能够从过程信号中推断商业意图,并导航复杂的工作流程。

构建上下文图需要深度可观察性和原子活动数据

Arvind Jain指出构建上下文图的三个技术障碍:跨应用的全链可观察性、记录时间戳的原子活动数据(编辑、评论、消息)以及从噪声片段中提取信号,以识别诸如客户入职或产品发布等连贯工作事件。他概述了一套连接器、索引、图和内存的堆栈,以支持代理可靠地执行任务。

高工具调用能力支持递归研究工作流程

MiroThinker v1.5每个任务最多支持400个工具交互的能力被视为构建递归、分层推理链的机制:计划 → 搜索 → 验证 → 修订 → 重复。这一能力支持在多样的信息源和工具集之间进行持续的自主探究。

内存策略强调最近性和信号保留

MiroThinker应用内存管理,保留最近五个对话上下文,同时修剪无关历史,以保持资源使用低和维护信息完整性,支持迭代验证而不保留过多噪声。

Source posts