Каждый агент в моей команде прошел собственные тесты. Команда по-прежнему отправляла неправильные ответы.

У меня была схема из трех агентов: планировщик, исследователь и критик, передавали работу между собой. Я тщательно оценил каждое из них. Планировщик составил четкие планы. Исследователь правильно привел источники. Критик уловил слабые утверждения. Каждый агент набрал около 0,9 баллов в своих тестах, и я был счастлив. Команда по-прежнему ошибалась примерно в трети случаев. Планы были хорошие. Исследование было хорошим. Критика была хорошей. Но где-то между одним агентом и другим все пошло наперекосяк. Планировщик говорил: «Изучите законы масштабирования, но пропустите эту статью, она уже есть у пользователя», а исследователь цитировал именно эту статью двумя ходами позже. Ограничение просто исчезло при передаче управления. Ни один индивидуальный ход не провалил тест, и окончательный ответ все равно был неправильным. Именно тогда это щелкнуло: я оценивал агентов, хотя мне следовало оценивать то, что происходит между ними. Мультиагент — это не один агент, умноженный на три. Вот ловушка. Об одном агенте легко рассуждать: он принимает входные данные, делает свою работу, выдает выходные данные, а вы оцениваете эти выходные данные. Таким образом, при наличии трех агентов естественный инстинкт состоит в том, чтобы забить всем троим одинаковым образом и считать, что дело сделано. Но команда – это не три отдельные функции. я