Урок из полного доступа, первые уроки курса бесплатно Официальный курс OpenAI Academy на русском
Урок 83 · Текст · ~5 мин

Надёжные агенты с памятью и сжатием контекста

Урок 83 из 303 курса «OpenAI Cookbook»: официальный курс OpenAI Academy (ОпенАИ) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

Это руководство (Cookbook) показывает, как создать агента для проверки доказательств в рамках синтетического расследования соблюдения нормативных требований, используя OpenAI Agents SDK.

Вы начнете с простого агента в sandbox, а затем добавите два примитива надежности:

  • Compaction (Компактизация) позволяет поддерживать длительные беседы, несмотря на ограниченные context windows, перенося состояние, необходимое для последующих шагов, при одновременном уменьшении размера контекста.
  • Memory (Память) позволяет будущим запускам sandbox-агента повторно использовать уроки рабочего процесса из предыдущих запусков без повторного воспроизведения каждого предыдущего шага.

Схема обеспечения надежности проста: компактизация помогает текущему запуску продолжаться, память помогает последующим запускам начинаться с полезных рекомендаций по рабочему процессу, а сгенерированная записка (memo) остается проверенным человеком источником истины для расследования.

Ссылки:

  • OpenAI Agents SDK
  • Сессии Agents SDK
  • Sandboxing в Agents SDK

Команда по соблюдению нормативных требований расследует, соответствовало ли исключение для поставщика внутренней политике. Доказательства поступают в виде небольшого набора файлов: текст политики, примечания об исключениях, результаты аудита, записи об утверждениях и планы по устранению нарушений.

Задача агента не в том, чтобы стать записью расследования. Его задача — помочь проверяющему просмотреть доказательства, отследить изменения и написать краткую записку, которая отделяет подтвержденные выводы от открытых вопросов.

Это делает пример полезным для memory и compaction, поскольку расследование имеет три особенности, которые проявляются в реальной работе:

  • Запись меняется со временем. Более поздние документы могут сужать или отменять более ранние предположения.
  • Беседа может стать длительной. Проверяющий может задавать уточняющие вопросы, запрашивать изменения и возвращаться к той же работе позже.
  • Конечному артефакту требуется provenance. Записка должна ссылаться на доказательства и сохранять неопределенность, а не сводить обзор к уверенному, но неподтвержденному выводу.

Хотя этот notebook использует проверку соблюдения нормативных требований, тот же паттерн применим везде, где knowledge workers анализируют изменяющийся контекст и создают артефакт, поддающийся аудиту человеком.

Хорошо подходят следующие случаи:

  • Команды поддержки клиентов, применяющие новые обновления политики к открытым эскалациям.
  • Команды безопасности, анализирующие доказательства инцидентов и составляющие сводки инцидентов.

План урока

  1. Пример использования: Агент для проверки доказательств в расследовании соблюдения нормативных требований
  2. Где применяется этот паттерн
  3. Что вы создадите
  4. Оглавление
  5. Предварительные требования
  6. Настройка
  7. Использование Agents SDK в этом Notebook
  8. Memory против Compaction

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы OpenAI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от OpenAI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Урок входит в темы

Полезные гиды