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.
План урока
- Пример использования: Агент для проверки доказательств в расследовании соблюдения нормативных требований
- Где применяется этот паттерн
- Что вы создадите
- Оглавление
- Предварительные требования
- Настройка
- Использование Agents SDK в этом Notebook
- Memory против Compaction
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.