Pipeline temporálního agenta je založená na jednoduché logice.
Rozdělte vstup na části
Začněte dokumentem, například přepisem zasedání představenstva nebo výroční zprávou. Rozdělte ho na zvládnutelné části, například jednotlivé repliky nebo odstavce.
Extrahujte tvrzení
Z každé části extrahujte jasná a samostatná tvrzení, například: „Společnost X je lídrem na trhu.“
Označte typ
Fakt (objektivní pravda)
Názor (subjektivní)
Predikce (předpověď nebo odhad)
Statické (platí v určitém okamžiku)
Dynamické (může se v průběhu času měnit)
Atemporální (nadčasový fakt)
Určete časovou platnost
Agent rozpozná, kdy tvrzení začalo platit, a v případě potřeby také kdy platit přestalo, tedy kdy bylo zneplatněno. Jde o platnost informace obsažené v tvrzení, která se může lišit od okamžiku, kdy bylo tvrzení vysloveno nebo zveřejněno.
Zkontrolujte rozpory (zneplatnění)
Pokud nové tvrzení odporuje starému, starší záznam se označí jako neplatný a propojí s novějším. Zneplatněná informace se tedy ze znalostní báze úplně neodstraní.
Tento proces je automatizovaný a dohledatelný, takže se vždy můžete podívat podrobněji na to, co se změnilo a proč.
Dobrá zpráva? Nemusíte od základu přepracovat celý systém. Temporální agenty lze často začlenit přímo do stávající architektury RAG nebo znalostní pipeline.
Klíčové komponenty:
Sémantické dělení: Rozdělte nezpracovaný text na významové části.
Extrakce faktů pomocí LLM: Pomocí modelů LLM identifikujte fakta a data a označte typy událostí.
Temporální klasifikace: Pomocí modelů LLM temporálně klasifikujte tvrzení a určete časové intervaly jejich platnosti.
Logika temporálního zneplatnění: Nová fakta mohou automaticky aktualizovat nebo zneplatnit starší fakta bez ručního verzování.
Ukládání pomocí trojic: Při použití znalostních grafů nebo grafové databáze se každý fakt ukládá jako [Subjekt]—[Akce]—[Objekt] + [Čas začátku, čas konce].
Se správným nastavením mohou i malé týmy přejít od prototypu do produkčního provozu během několika týdnů. Prototyp můžete vytvořit s většími modely (GPT-4.1) a po stabilizaci přejít na rychlejší verze (GPT-4.1-mini nebo nano). Podrobnější technické informace najdete v příručce OpenAI Cookbook: Temporální agenti se znalostními grafy.
Nyní tedy máte připravený znalostní graf, který zohledňuje čas, a můžete důvěřovat údajům, jež obsahuje. Jak tento spolehlivý datový základ proměnit v obchodní hodnotu?
Získat požadované informace z rozsáhlých znalostních bází může být náročné. Pomoci s tím mohou agenti pro vícekrokové vyhledávání. Tyto systémy dokážou inteligentně procházet znalostní bázi pomocí několika vzájemně propojených dotazů a vyhledat informace, které jsou pro zodpovězení vašeho dotazu nejrelevantnější.
S rostoucím rozsahem systému je stále důležitější zachovat efektivitu a optimalizovat výkon. Plánovací komponenty mohou vyhledávání zefektivnit a zaměřit pozdější fáze vyhledávací pipeline na to podstatné. Vylepšení vyhledávacích a analytických nástrojů dostupných hlavnímu systému může také přinést zlepšení a umožnit složitější dotazy nad rozsáhlými znalostními grafy bez ztráty rychlosti či kvality.
U nasazení s vysokým objemem požadavků lze výkon výrazně zvýšit paralelním procházením grafu, ukládáním častých cest dotazů do mezipaměti a dalším vylepšováním promptů a dolaďováním modelu.
Pro ty, kdo vytvářejí temporálního agenta, jsme v naší příručce OpenAI Cookbook o temporálních agentech se znalostními grafy zveřejnili kompletní technický návod s otevřeným zdrojovým kódem. Pokrývá vše od logiky extrakce až po uvažování ve více krocích, včetně:
Kompletního kódu a návrhů pipeline
Doporučení k modelům a strategií hodnocení
Osvědčených postupů pro přechod od prototypu k produkčnímu provozu
Temporální agenti mění způsob, jakým AI chápe váš svět: nikoli jako soubor statických faktů, ale jako živý a neustále se vyvíjející příběh.
Pokud vaše rozhodnutí závisí nejen na tom, co se stalo, ale také kdy, nastal čas začít zohledňovat čas.
A nemusíte to vytvářet sami. Pokud chcete, aby vaše systémy lépe chápaly kontext, byly připravenější podporovat rozhodování nebo jednoduše lépe odpovídaly realitě, rádi vám pomůžeme.