El procés dels agents temporals segueix una lògica senzilla.
Dividiu l'entrada en fragments
Comenceu amb un document, com ara la transcripció d'una reunió del consell o un informe anual. Dividiu-lo en parts manejables, com ara intervencions dels participants o paràgrafs.
Extraieu afirmacions
De cada fragment, extraieu-ne afirmacions clares i independents, com ara: "Company X is a market leader."
Etiqueteu-ne el tipus
Fet (veritat objectiva)
Opinió (subjectiva)
Predicció (previsió o estimació)
Estàtica (certa en un moment concret)
Dinàmica (pot canviar amb el temps)
Atemporal (fet independent del temps)
Determineu-ne la vigència temporal
L'agent detecta quan l'afirmació va esdevenir certa i, si cal, quan va deixar de ser-ho, és a dir, quan va quedar invalidada. Això fa referència a la vigència de la informació de l'afirmació, que pot diferir del moment en què es va formular o publicar.
Comproveu si hi ha contradiccions (invalidació)
Si una afirmació nova en contradiu una d'anterior, l'entrada antiga es marca com a caducada i s'enllaça amb la nova, en lloc d'eliminar completament de la base de coneixement la informació invalidada.
Aquest procés és automàtic i traçable, de manera que sempre podeu aprofundir-hi per saber què ha canviat i per què.
La bona notícia? No cal que redissenyeu tot el sistema. Sovint, els agents temporals es poden integrar directament a l'arquitectura RAG o al procés de coneixement que ja teniu.
Components clau:
Segmentació semàntica: dividiu el text sense processar en parts significatives.
Extracció de fets mitjançant LLM: feu servir LLM per identificar fets, detectar dates i etiquetar tipus d'esdeveniments.
Classificació temporal: feu servir LLM per classificar temporalment les afirmacions i determinar-ne els intervals de vigència.
Lògica d'invalidació temporal: els fets nous poden actualitzar o fer caducar automàticament els antics, sense control manual de versions.
Emmagatzematge basat en triplets: si s'utilitzen grafs de coneixement o una base de dades de grafs, cada fet s'emmagatzema així: [Subjecte]—[Acció]—[Objecte] + [Hora d'inici, Hora de finalització].
Amb la configuració adequada, fins i tot els equips petits poden passar del prototip a la producció en poques setmanes. Podeu crear el prototip amb els models més grans (GPT-4.1) i, un cop sigui estable, passar a versions més ràpides (GPT-4.1-mini o nano). Per aprofundir en els aspectes tècnics, consulteu el Cookbook d'OpenAI sobre agents temporals amb grafs de coneixement.
Ara ja teniu a punt un graf de coneixement amb consciència temporal i podeu confiar en les dades que conté. Com podeu convertir aquesta sòlida base de dades en valor empresarial?
Recuperar la informació que voleu de bases de coneixement grans pot ser tot un repte. Els agents de recuperació en diversos passos us hi poden ajudar. Aquests sistemes poden recórrer de manera intel·ligent la base de coneixement mitjançant diverses consultes interconnectades per trobar la informació més pertinent i respondre la vostra consulta.
A mesura que el sistema escala, mantenir l'eficiència i optimitzar-ne el rendiment esdevé essencial. Incorporar planificadors pot agilitzar la recuperació i ajudar a centrar les etapes posteriors del procés en allò que és important. Perfeccionar les eines de cerca i anàlisi a què té accés el sistema principal també pot aportar millores i permetre consultes més complexes en grafs de coneixement grans, sense perdre velocitat ni qualitat.
En desplegaments de gran volum, paral·lelitzar el recorregut dels grafs, desar a la memòria cau les rutes de consulta freqüents i continuar perfeccionant les indicacions i l'ajust fi pot augmentar considerablement el rendiment.
Per a qui estigui creant un agent temporal, hem publicat amb codi obert una guia tècnica completa al nostre OpenAI Cookbook sobre agents temporals amb grafs de coneixement. Inclou des de la lògica d'extracció fins al raonament de múltiples salts, a més de:
Codi complet i plànols del procés
Orientacions sobre models i estratègies d'avaluació
Pràctiques recomanades per escalar del prototip a la producció
Els agents temporals transformen la manera com la IA entén el vostre món: no com un conjunt de fets estàtics, sinó com una història viva i en evolució.
Quan les vostres decisions depenen de quan ha passat una cosa, i no només de què ha passat, és hora de pensar en clau temporal.
I no cal que ho creeu sense ajuda. Si voleu que els vostres sistemes tinguin més consciència del context, estiguin més preparats per prendre decisions o, simplement, s'ajustin millor a la realitat, ens encantarà ajudar-vos.