Temporalinių agentų veikimo procesas pagrįstas paprasta logika.
Suskaidykite įvestį
Pradėkite nuo dokumento, pavyzdžiui, valdybos posėdžio stenogramos ar metinės ataskaitos. Suskaidykite jį į lengvai apdorojamas dalis, pavyzdžiui, atskirų kalbėtojų pasisakymus ar pastraipas.
Išskirkite teiginius
Iš kiekvienos dalies išskirkite aiškius, savarankiškus teiginius, pavyzdžiui: „Įmonė X yra rinkos lyderė.“
Nurodykite tipą
Faktas (objektyvi tiesa)
Nuomonė (subjektyvus vertinimas)
Prognozė (numatymas arba įvertis)
Statinis (teisingas tam tikru laiko momentu)
Dinaminis (laikui bėgant gali keistis)
Nelaikinis (nuo laiko nepriklausantis faktas)
Nustatykite laiką
Agentas nustato, kada teiginys tapo teisingas ir, jei reikia, kada nustojo toks būti, t. y. kada neteko galios. Tai susiję su teiginyje pateiktos informacijos galiojimu, kuris gali nesutapti su teiginio paskelbimo ar išsakymo laiku.
Patikrinkite prieštaravimus (galios panaikinimą)
Jei naujas teiginys prieštarauja senajam, senesnis įrašas pažymimas kaip nebegaliojantis ir susiejamas su naujuoju, užuot visai pašalinus nebegaliojančią informaciją iš žinių bazės.
Šis procesas yra automatizuotas ir atsekamas, todėl visada galite įsigilinti ir pamatyti, kas pasikeitė ir kodėl.
Gera žinia? Nereikia iš naujo projektuoti visos sistemos. Temporalinius agentus dažnai galima tiesiog integruoti į esamą RAG ar žinių apdorojimo architektūrą.
Pagrindiniai komponentai:
Semantinis skaidymas: suskirstykite neapdorotą tekstą į prasmingas dalis.
Faktų išgavimas pasitelkiant LLM: naudokite LLM faktams nustatyti, datoms aptikti ir įvykių tipams pažymėti.
Temporalinis klasifikavimas: naudokite LLM teiginiams klasifikuoti pagal laiką ir jų galiojimo laikotarpiams nustatyti.
Temporalinė galios panaikinimo logika: nauji faktai gali automatiškai atnaujinti senesnius arba panaikinti jų galiojimą, todėl nereikia rankinio versijavimo.
Trejetais pagrįstas saugojimas: naudojant žinių grafus ar grafų duomenų bazę, kiekvienas faktas saugomas kaip [Subjektas]—[Veiksmas]—[Objektas] + [Pradžios laikas, pabaigos laikas].
Tinkamai viską parengusios net mažos komandos prototipą gali paversti veikiančiu produktu per kelias savaites. Prototipui galite naudoti didesnius modelius (GPT-4.1), o sistemai stabilizavusis pereiti prie spartesnių versijų (GPT-4.1-mini arba nano). Išsamesnės techninės informacijos rasite OpenAI Cookbook vadove apie temporalinius agentus su žinių grafais.
Taigi jau parengėte laiko kontekstą suvokiantį žinių grafą ir galite pasitikėti jame esančiais duomenimis. Kaip šį tvirtą duomenų pagrindą paversti verslo verte?
Rasti norimą informaciją didelėse žinių bazėse gali būti sudėtinga. Tai padaryti gali padėti kelių etapų paieškos agentai. Šios sistemos gali išmaniai naršyti žinių bazėje vykdydamos kelias tarpusavyje susijusias užklausas ir rasti tinkamiausią informaciją jūsų klausimui atsakyti.
Sistemai augant, itin svarbu išlaikyti efektyvumą ir optimizuoti našumą. Planavimo priemonės gali supaprastinti paiešką ir padėti vėlesniuose jos etapuose sutelkti dėmesį į svarbiausią informaciją. Patobulinus pagrindinei sistemai prieinamus paieškos ir analizės įrankius taip pat galima pasiekti geresnių rezultatų: vykdyti sudėtingesnes užklausas dideliuose žinių grafuose neprarandant spartos ar kokybės.
Didelės apimties sistemų našumą galima gerokai padidinti lygiagrečiai naršant grafą, podėlyje saugant dažnus užklausų kelius, toliau tobulinant užklausas ir papildomai mokant modelį.
Kuriantiems temporalinį agentą viešai paskelbėme išsamų techninį OpenAI Cookbook vadovą apie temporalinius agentus su žinių grafais. Jame aptariama viskas nuo duomenų išgavimo logikos iki kelių žingsnių protavimo, įskaitant:
Visą kodą ir veikimo proceso schemas
Modelių pasirinkimo gaires ir vertinimo strategijas
Geriausią praktiką, kaip nuo prototipo pereiti prie veikiančio produkto ir didinti jo mastą
Temporaliniai agentai keičia tai, kaip DI supranta jūsų pasaulį: ne kaip nekintančių faktų rinkinį, o kaip gyvą ir nuolat besivystantį pasakojimą.
Kai jūsų sprendimai priklauso ne tik nuo to, kas įvyko, bet ir kada, metas atsižvelgti į laiko kontekstą.
Ir jums nereikia visko kurti vieniems. Jei norite, kad jūsų sistemos geriau suvoktų kontekstą, būtų labiau pasirengusios padėti priimti sprendimus ar tiesiog geriau atitiktų tikrovę, mielai padėsime.