В основата на процеса за времеви агенти стои проста логика.
Разделяне на входните данни
Започнете с документ (например стенограма от заседание на борда или годишен отчет). Разделете го на лесни за обработка части (например изказвания на отделни говорители или абзаци).
Извличане на твърдения
От всяка част извлечете ясни, самостоятелни твърдения, като например: „Компанията X е пазарен лидер.“
Определяне на типа
Факт (обективна истина)
Мнение (субективно)
Предвиждане (прогноза или оценка)
Статично (вярно в определен момент)
Динамично (може да се променя с времето)
Извънвремево (непреходен факт)
Определяне на времевия контекст
Агентът установява кога твърдението е станало вярно и, ако е необходимо, кога е престанало да бъде вярно (т.е. кога е било обезсилено). Това се отнася до валидността на информацията в твърдението, която може да се различава от момента на неговото изричане или публикуване.
Проверка за противоречия (обезсилване)
Ако ново твърдение противоречи на старо, по-старият запис се отбелязва като изтекъл и се свързва с новия, вместо обезсилената информация да се премахва изцяло от базата от знания.
Този процес е едновременно автоматизиран и проследим, така че винаги можете да проверите подробно какво се е променило и защо.
Добрата новина? Не е необходимо да проектирате цялата си система наново. Времевите агенти често могат да се интегрират директно в съществуващата ви RAG архитектура или процес за обработка на знания.
Основни компоненти:
Семантично разделяне: Разделяне на необработения текст на смислови части.
Извличане на факти чрез големи езикови модели: Използвайте големи езикови модели, за да откривате факти и дати и да определяте типовете събития.
Времева класификация: Използвайте големи езикови модели, за да класифицирате твърденията във времето и да определяте периодите им на валидност.
Логика за времево обезсилване: Новите факти могат автоматично да актуализират или да прекратяват валидността на по-старите — без ръчно управление на версии.
Съхранение чрез тройки: При използване на графи на знания или графова база данни всеки факт се съхранява като: [Субект]—[Действие]—[Обект] + [Начален момент, Краен момент].
С подходящата конфигурация дори малки екипи могат да преминат от прототип към реална експлоатация за няколко седмици. Можете да създадете прототип с по-големите модели (GPT-4.1), а след стабилизирането му да преминете към по-бързи версии (GPT-4.1-mini или nano). За по-задълбочен технически преглед вижте ръководството на OpenAI за времеви агенти с графи на знания.
Вече разполагате с граф на знания, който отчита времевия контекст, и можете да се доверите на данните в него. Как да превърнете тази надеждна основа от данни в стойност за бизнеса?
Извличането на желаната информация от големи бази от знания може да бъде трудно. Агентите за многоетапно извличане могат да помогнат. Тези системи могат интелигентно да обхождат базата от знания чрез множество взаимосвързани заявки, за да открият най-подходящата информация за отговор на вашето запитване.
С мащабирането на системата от ключово значение стават запазването на ефективността и оптимизирането на производителността. Добавянето на модули за планиране може да оптимизира извличането, като насочи по-късните етапи на процеса към най-важното. Усъвършенстването на инструментите за търсене и анализ, достъпни за основната ви система, също може да донесе ползи, като позволи по-сложни заявки към големи графи на знания без загуба на скорост или качество.
При внедрявания с голям обем паралелното обхождане на графа, кеширането на често използвани пътища за заявки и допълнителното усъвършенстване на подканите и фината настройка могат значително да подобрят производителността.
За хората, които разработват времеви агент, публикувахме с отворен код пълно техническо ръководство за времеви агенти с графи на знания в OpenAI Cookbook. То обхваща всичко — от логиката за извличане до многоетапното структурирано анализиране, включително:
Пълен код и схеми на процесите
Насоки за моделите и стратегии за оценяване
Добри практики за мащабиране от прототип до реална експлоатация
Времевите агенти преобразяват начина, по който AI разбира вашия свят — не като набор от статични факти, а като жив и развиващ се разказ.
Когато решенията ви зависят не само от това какво се е случило, но и кога, е време да вземете предвид времевия контекст.
И не е нужно да го изграждате сами. Ако искате системите ви да отчитат по-добре контекста, да подпомагат вземането на решения или просто да отразяват по-точно реалността, с удоволствие ще ви помогнем.