В этой статье подробно описывается процесс обновления специализированного агента в рамках фреймворка Hermes AI, с акцентом на расширение возможностей "исследовательского" агента. Обновление включает интеграцию новых навыков, подключение к внешним инструментам, таким как Zotero и Consensus, и демонстрацию того, как эти улучшения повышают эффективность и качество команды агентов. Конечная цель — создание более надежных и устойчивых рабочих процессов ИИ для управления знаниями и исследований.

Улучшение исследовательского агента

Исследовательский агент, являющийся основополагающим членом команды ИИ, был модернизирован для улучшения его способности проводить углубленные исследования и сотрудничать с другими агентами. Эта модернизация была сосредоточена на трех ключевых областях:

1. Навык исследования Вики LLM: Этот навык вводит различные "направления" или "линзы" для исследования, позволяя исследователю сосредоточиться на академических источниках, текущей реальности или их комбинации. Он также гарантирует, что результаты исследований подкреплены цитатами и представлены в удобочитаемом отчете, который затем передается агенту-оркестратору. Этот навык использует встроенный навык "обоснованной цитаты" для отслеживания сносок и цитат.
2. Подключение к Zotero: Эта интеграция предоставляет исследовательскому агенту доступ только для чтения к личной библиотеке Zotero, системе управления ссылками, используемой для сбора, организации и цитирования исследовательских источников. Исследователь может искать и проверять существующие элементы локальной библиотеки. Это соединение использует детерминированные инструменты, проверяя информацию из Zotero и сохраняя копию в рабочей области исследования, связанной с вики LLM. Для этого необходимо включить настройку Zotero "разрешить другим приложениям на этом компьютере взаимодействовать с Zotero".
3. Академическое открытие консенсуса (MCP): Этот навык позволяет исследователю выполнять ограниченное академическое обнаружение статей через Consensus, внешнюю платформу, специализирующуюся на академической литературе. Навык сохраняет полезные метаданные статей, записывает ограничения поиска и требует перехода по исходным ссылкам для проверки перед формулированием утверждений. Он не изменяет Zotero или вики LLM. Соединение устанавливается через возможность "MCP" (вероятно, относится к конкретному протоколу или сервису интеграции) в Hermes, аутентифицируясь через платформу Consensus.

Интеграция рабочего процесса и тестирование

Обновленный агент-исследователь был протестирован в групповом чате "исследовательской группы на основе навыков", состоящей из исследователя, оркестратора и агента-библиотекаря. Процесс включал:

• Делегирование задач: Агенту-оркестратору была поставлена задача делегировать запрос исследователю на составление сводного отчета по теме "безопасность агентного ИИ". Этот отчет должен был сравнивать и сопоставлять академические исследования из Consensus с существующими знаниями в Zotero.
• Выполнение исследования: Агент-исследователь выполнил задачу, выполнив запросы к Zotero и Consensus. Он идентифицировал релевантные статьи из Zotero, включая источники по "отравлению памяти", и обнаружил академические статьи через Consensus.
• Контроль качества: Исследователь представил отчет в формате markdown оркестратору. Оркестратор провел проверку качества, запросив незначительные исправления происхождения для деталей из Consensus и Zotero.
• Прием библиотекарем: После одобрения оркестратор передал отчет агенту-библиотекарю. Библиотекарь рассмотрел отчет, предложил его включение в вики LLM и связал новую концепцию "отравления памяти агентного ИИ" с существующими записями, такими как "память агентного ИИ" и "многоагентные рабочие процессы". Процесс библиотекаря включает "прием с проверкой" и навык проверки "человек в контуре".

Результаты и будущие направления

Обновленный агент исследователя продемонстрировал значительное улучшение качества и глубины исследований. Интеграция с Zotero и Consensus обеспечила доступ к более широкому и достоверному набору источников. Совместный рабочий процесс между исследователем, оркестратором и библиотекарем привел к созданию хорошо обоснованного отчета, который был успешно загружен в вики LLM.

Планируемые будущие улучшения включают:

• Автоматизация: Внедрение функции "цель" для возможности запуска исследователя в циклическом режиме или для планирования еженедельных обновлений.
• Эффективность: Повышение эффективности и согласованности передачи задач и проверок между агентами.
• Масштабируемость: Использование функции Hermes Kanban и модернизация агента оркестратора с добавлением большего количества инструментов для создания воспроизводимого рабочего процесса для масштабирования взаимодействий агентов.