Architektura agentów AI — ReAct, pamięć, planowanie i systemy wieloagentowe · Tool-Augmented LLM — narzędzia, funkcje i środowisko
Dlaczego LLM potrzebuje narzędzi — luka wiedzy i możliwości
Tool-Augmented LLM — narzędzia, funkcje i środowisko
Wprowadzenie
Duże modele językowe generują tekst na podstawie wag wyuczonych podczas treningu — są statycznymi artefaktami z datą graniczną wiedzy, bez dostępu do zewnętrznych danych, bez możliwości wykonywania obliczeń z gwarancją precyzji i bez stanu między wywołaniami. Ta lekcja analizuje cztery fundamentalne ograniczenia "czystego" LLM (knowledge cutoff, brak wykonywania kodu, brak persystencji, brak efektów ubocznych) i buduje uzasadnienie architektoniczne dla pattern tool-augmented LLM.