Temporaalse agendi töövoo aluseks on lihtne loogika.
Jaga sisend osadeks
Alusta dokumendist (näiteks juhatuse koosoleku protokollist või aastaaruandest). Jaga see hallatavateks osadeks (näiteks kõnevoorudeks või lõikudeks).
Eralda väited
Eralda igast osast selged ja iseseisvad väited, näiteks „Ettevõte X on turuliider“.
Määra tüüp
Fakt (objektiivne tõde)
Arvamus (subjektiivne)
Ennustus (prognoos või hinnang)
Staatiline (kehtib kindlal ajahetkel)
Dünaamiline (võib aja jooksul muutuda)
Ajatu (ajast sõltumatu fakt)
Tuvasta ajastus
Agent tuvastab, millal väide tõeseks muutus, ja vajaduse korral ka selle, millal see enam ei kehtinud (st millal see kehtetuks muutus). See puudutab väites sisalduva teabe kehtivust, mis võib erineda väite esitamise või avaldamise ajast.
Kontrolli vastuolusid (kehtetuks muutumist)
Kui uus väide on vanaga vastuolus, märgitakse vanem kirje aegunuks ja seotakse uuemaga, selle asemel et kehtetu teave teadmistebaasist täielikult eemaldada.
See protsess on nii automatiseeritud kui ka jälgitav, seega saab alati lähemalt uurida, mis muutus ja miks.
Hea uudis? Kogu süsteemi pole vaja ümber kujundada. Temporaalsed agendid saab sageli lõimida otse olemasolevasse RAG-i või teadmiste töövoo arhitektuuri.
Põhikomponendid:
Semantiline osadeks jagamine: jaga toortekst tähenduslikeks osadeks.
LLM-il põhinev faktide eraldamine: kasuta LLM-e faktide tuvastamiseks, kuupäevade leidmiseks ja sündmusetüüpide märgendamiseks.
Temporaalne liigitamine: kasuta LLM-e väidete ajaliseks liigitamiseks ja nende ajaliste kehtivusvahemike määramiseks.
Temporaalse kehtetuks muutmise loogika: uued faktid saavad vanemaid automaatselt värskendada või aegunuks märkida – käsitsi versioonihaldust pole vaja.
Kolmikutel põhinev salvestus: teadmiste graafide või graafipõhise andmebaasi korral salvestatakse iga fakt kujul [subjekt]–[tegevus]–[objekt] + [algusaeg, lõppaeg].
Õige lahenduse korral suudavad isegi väikesed meeskonnad jõuda prototüübist tootmisse mõne nädalaga. Prototüübi saab luua suuremate mudelitega (GPT-4.1) ning pärast stabiliseerimist minna üle kiirematele versioonidele (GPT-4.1-mini või nano). Põhjalikuma tehnilise ülevaate leiad OpenAI kokaraamatust „Temporaalsed agendid teadmiste graafidega“.
Nüüd on sul ajateadlik teadmiste graaf paigas ja võid selles sisalduvaid andmeid usaldada. Kuidas muuta see tugev andmebaas äriliseks väärtuseks?
Vajaliku teabe leidmine suurtest teadmistebaasidest võib olla keeruline. Siin saavad abiks olla mitmeetapilised otsinguagendid. Need süsteemid saavad liikuda teadmistebaasis nutikalt läbi mitme omavahel seotud päringu, et leida sinu küsimusele vastamiseks kõige asjakohasem teave.
Süsteemi kasvades muutuvad keskseks tõhususe säilitamine ja jõudluse optimeerimine. Planeerijate lisamine aitab otsingut sujuvamaks muuta ja suunata töövoo hilisemad etapid kõige olulisemale. Põhisüsteemile kättesaadavate otsingu- ja analüüsitööriistade täiustamine võib samuti tuua märkimisväärset kasu, võimaldades teha suurtes teadmiste graafides keerukamaid päringuid kiirust või kvaliteeti kaotamata.
Suure koormusega juurutustes võivad jõudlust märkimisväärselt parandada graafi paralleelne läbimine, sagedaste päringuteede vahemällu salvestamine ning viipade täiendav täiustamine ja peenhäälestus.
Temporaalse agendi loojatele oleme avaldanud avatud lähtekoodiga põhjaliku tehnilise juhendi OpenAI kokaraamatus „Temporaalsed agendid teadmiste graafidega“. See hõlmab kõike alates andmete eraldamise loogikast kuni mitmeastmelise arutluseni, sealhulgas järgmist:
Täielik kood ja töövoo plaanid
Mudelite kasutusjuhised ja hindamisstrateegiad
Parimad tavad prototüübist tootmisse skaleerimiseks
Temporaalsed agendid muudavad seda, kuidas tehisaru sinu maailma mõistab: mitte staatiliste faktide, vaid elava ja areneva loona.
Kui sinu otsused sõltuvad peale toimunu ka selle ajast, on aeg hakata mõtlema temporaalselt.
Ja sa ei pea seda üksi looma. Kui soovid muuta oma süsteemid kontekstiteadlikumaks, otsustusvalmimaks või lihtsalt tegelikkusega paremini kooskõlas olevaks, aitame hea meelega.