Proces temporalnog agenta temelji se na jednostavnoj logici.
Podijelite ulazni sadržaj
Počnite s dokumentom, primjerice transkriptom sjednice uprave ili godišnjim izvješćem. Podijelite ga na dijelove kojima je lako upravljati, poput izlaganja pojedinih govornika ili odlomaka.
Izdvojite tvrdnje
Iz svakog dijela izdvojite jasne, samostalne tvrdnje poput: „Tvrtka X vodeća je na tržištu.”
Označite vrstu
Činjenica (objektivna istina)
Mišljenje (subjektivno)
Predviđanje (prognoza ili procjena)
Statično (istinito u određenom trenutku)
Dinamično (može se mijenjati tijekom vremena)
Bezvremensko (činjenica koja ne ovisi o vremenu)
Utvrdite vremenski okvir
Agent otkriva kada je tvrdnja postala istinita i, prema potrebi, kada je prestala vrijediti, odnosno kada je poništena. To se odnosi na valjanost informacija u tvrdnji, koja se može razlikovati od trenutka kada je tvrdnja iznesena ili objavljena.
Provjerite proturječja (poništavanje valjanosti)
Ako je nova tvrdnja u suprotnosti sa starom, stariji se unos označava kao istekao i povezuje s novijim, umjesto da se nevažeće informacije potpuno uklone iz baze znanja.
Taj je postupak automatiziran i sljediv, pa uvijek možete detaljnije provjeriti što se promijenilo i zašto.
Dobra vijest? Ne morate iznova osmisliti cijeli sustav. Temporalni agenti često se mogu izravno uklopiti u postojeću arhitekturu RAG-a ili procesa upravljanja znanjem.
Ključne komponente:
Semantička podjela: podijelite neobrađeni tekst na smislene dijelove.
Izdvajanje činjenica pomoću LLM-ova: upotrijebite LLM-ove za prepoznavanje činjenica i datuma te označavanje vrsta događaja.
Temporalna klasifikacija: upotrijebite LLM-ove za vremensku klasifikaciju tvrdnji i određivanje razdoblja njihove valjanosti.
Logika temporalnog poništavanja: nove činjenice mogu automatski ažurirati starije ili označiti da su istekle, bez ručnog upravljanja verzijama.
Pohrana na temelju trojki: ako se upotrebljavaju grafovi znanja ili grafovska baza podataka, svaka se činjenica pohranjuje kao: [Subjekt]—[Radnja]—[Objekt] + [Vrijeme početka, vrijeme završetka].
Uz odgovarajuću konfiguraciju čak i mali timovi mogu u samo nekoliko tjedana prijeći s prototipa na produkciju. Prototip možete izraditi s većim modelima (GPT-4.1), a nakon stabilizacije prijeći na brže inačice (GPT-4.1-mini ili nano). Za detaljniji tehnički pregled pogledajte OpenAI Cookbook o temporalnim agentima s grafovima znanja.
Dakle, uspostavili ste graf znanja koji uzima u obzir vrijeme i možete vjerovati podacima u njemu. Kako te pouzdane podatkovne temelje pretvoriti u poslovnu vrijednost?
Dohvaćanje željenih informacija iz velikih baza znanja može biti zahtjevno. U tome mogu pomoći agenti za dohvaćanje u više koraka. Ti sustavi mogu inteligentno pretraživati bazu znanja nizom međusobno povezanih upita kako bi pronašli najrelevantnije informacije za odgovor na vaš upit.
Kako se sustav širi, održavanje učinkovitosti i optimizacija performansi postaju presudni. Uvođenje planera može pojednostavniti dohvaćanje i usmjeriti kasnije faze tog procesa na ono što je važno. Unaprjeđenje alata za pretraživanje i analizu dostupnih temeljnom sustavu također može donijeti poboljšanja te omogućiti složenije upite nad velikim grafovima znanja bez gubitka brzine ili kvalitete.
Kod implementacija s velikim opterećenjem performanse se mogu znatno poboljšati paralelnim pretraživanjem grafa, predmemoriranjem čestih putanja upita te daljnjim usavršavanjem upita i finim podešavanjem.
Za sve koji izrađuju temporalni agent objavili smo cjelovit tehnički vodič otvorenog koda u našem OpenAI Cookbooku o temporalnim agentima s grafovima znanja. Obuhvaća sve, od logike izdvajanja do rasuđivanja u više koraka, uključujući:
Cjelovit kod i nacrte procesa
Smjernice za modele i strategije evaluacije
Najbolje prakse za skaliranje od prototipa do produkcije
Temporalni agenti mijenjaju način na koji umjetna inteligencija razumije vaš svijet — ne kao skup statičnih činjenica, nego kao živu priču koja se neprestano razvija.
Kada vaše odluke ovise o tome kada se nešto dogodilo, a ne samo što se dogodilo, vrijeme je da razmišljate u vremenskom kontekstu.
I ne morate sve izraditi sami. Ako želite da vaši sustavi bolje razumiju kontekst, budu spremniji za donošenje odluka ili jednostavno usklađeniji sa stvarnošću, rado ćemo vam pomoći.