Les interfaces utilisateurs conversationnelles demandent le contexte comme jamais auparavant | par Cobus Greyling | Mai 2025

Flux de travail: Les chemins de code prédéfinis orchestrent les LLM et les outils pour les résultats prévisibles.

Agents: LLMS Contrôlez dynamiquement les processus et l’utilisation des outils, offrant une flexibilité mais moins de prévisibilité.
~ Anthropique

Commencer à s’appuyer

Utilisez directement les API LLM pour les tâches comme le classement des fichiers ou la génération de solutions. Quelques lignes de code peuvent suffire, en évitant les cadres gonflés.

Avantages commerciaux

Prototypage plus rapide, baisse des coûts de maintenance.

Attention du cadre

Si des cadres sont utilisés, comprenez leurs internes pour éviter les erreurs des hypothèses cachées, comme le conseille Anthropic.

Équilibrage LLM Reliance et flexibilité

Alors que les agents de l’IA s’appuient sur les LLM pour la compréhension du code et la résolution de problèmes, les risques excessives risquent si les modèles vacillent ou deviennent obsolètes.

Le succès d’Anthropic avec un échafaudage minimal montre que les LLM peuvent gérer des tâches complexes, mais l’approche LCLM-SCLM en deux étapes ajoute l’adaptabilité.

Pour rester LLM-Agnostique: Standardiser les entrées (bases de code compressées) et les sorties (formats de code) pour activer l’échange de modèle.

Astuce

Paire des sorties LLM avec des outils de validation ou des tests pour attraper des erreurs, en réduisant la dépendance aux bizarreries du modèle.

Cela garantit les économies de coûts et les flux de travail à l’épreuve des coûts en permettant des swaps – par exemple, d’un LCLM coûteux à une alternative moins chère.

L’étude transforme la complexité vers les LLM, en gardant une lumière d’échafaudage avec une compression de base et des flux de travail.

Cela exploite les forces de la compréhension de code de LLMS, mais anthropique met en garde contre les cadres sur-ingérés.

Workflows simples (les chemins prédéfinis) sont favorisés agents dynamiquescar l’exploration par ce dernier des environnements comme les bases de code peut être difficile à contrôler.

Perspicacité clé: La complexité est inévitable – placez judicieusement pour équilibrer la simplicité, le coût, l’efficacité et la vitesse.

Cette approche s’aligne sur la poussée d’Anthropic pour les systèmes composables et adaptables qui évoluent avec les progrès de l’IA.

Chef évangéliste @ Kore.ai | Je suis passionné d’explorer l’intersection de l’IA et de la langue. Des modèles linguistiques, des agents d’IA aux applications agentiques, des cadres de développement et des outils de productivité centrés sur les données, je partage des informations et des idées sur la façon dont ces technologies façonnent l’avenir.