XNews

多智能体人工智能的生产级上下文工程(谷歌ADK)

多智能体人工智能的生产级上下文工程(谷歌ADK)

谷歌ADK概述了生产上下文工程。- 确定核心上下文压力:成本/延迟、信号衰减、物理限制。- 将上下文重新框定为源 → 编译器 → 视图管道。- 提出了四个层次:工作上下文、会话、记忆、工件。- 推荐有序处理器链以构建可观察的上下文。- 倡导按需加载工件和短暂使用,以避免污染上下文。- 使用压缩和过滤来管理会话历史。- 在多智能体交接中应用严格的范围控制和叙事转换。

Key insights

上下文作为编译视图取代长令牌缓冲区

谷歌ADK将“上下文”重新框定为一个编译的、分层的视图,而不是一个原始的附加令牌缓冲区。它定义了三个概念组件:源(完整的会话日志、长期记忆、文件)、编译器(过滤、排序、压缩的处理器)和视图(发送给大型语言模型的优化提示)。ADK博客识别出三种核心上下文压力——成本/延迟、信号衰减和物理窗口限制,并主张将上下文视为由编译器和视图管理的生命周期,以应对这些压力。

分层模型将存储与展示分开

ADK提出了一个四层上下文结构:工作上下文(每次调用的临时提示)、会话(结构化的持久交互日志)、记忆(跨会话的长期知识)和工件(按名称/版本引用的大型数据对象)。该架构要求按需加载工件、对旧日志进行后台压缩,以及基于规则的过滤,以防止令牌膨胀。该管道使用有序处理器链使上下文构建可观察、可测试和可组合。

多智能体范围控制和叙事转换减少幻觉

对于多智能体系统,ADK实施严格的范围控制:智能体仅传递必要的指令和最小上下文;工件按名称引用,直到明确加载;在切换智能体时,系统将先前助手的消息转换为叙事背景(例如,'[背景]:智能体A说...'),以避免新智能体错误归因于先前的行为。这些措施旨在限制上下文膨胀并减少智能体混淆。

Source posts