Sequential: uma equipe trabalhando em ordem

Sequencial é um relé: a saída de um estágio se torna a entrada do próximo estágio. Questões e etapas de pedidos precisam de contratos claros.

Estas etapas referem-se aos recursos identificados no código do aplicativo. Este material não foi validado em uma instância ativa; verifique a documentação e as opções da sua versão.

Como funciona, passo a passo

Um fluxo de trabalho tem estrutura explícita

Um nó é um estágio, uma aresta é uma transição e o estado carrega resultados entre os estágios. Um fluxo de trabalho possui um caminho definido pelo aplicativo, embora o modelo possa escolher algumas ramificações. Os sistemas agênicos incluem fluxos de trabalho e agentes de ação dinâmica. Nymrio oferece ReAct, Reflexão, Sequencial, Orquestrador, Roteador, Paralelo e Planejar e Executar. Cada um muda de coordenação; isso não torna automaticamente um modelo um especialista. Mais agentes significam mais chamadas e contratos entre funções. Comece com a solução mais simples que passa nos testes.

O contexto é a bancada

O contexto inclui instruções, a solicitação atual, histórico relevante, documentos recuperados e resultados da ferramenta. A janela de contexto tem capacidade limitada; reserve espaço para a resposta também. Mais texto não melhora automaticamente a precisão. Informações irrelevantes e contradições podem ocultar provas importantes. Resuma o histórico da conversa com cuidado e preserve a origem dos fatos. O estado descreve a execução atual, um ponto de verificação salva um ponto recuperável e a memória persistente retém informações entre as execuções. São diferentes mecanismos gerenciados pelo aplicativo.

Defina o sucesso antes de otimizar

Prepare solicitações representativas e respostas ou propriedades esperadas. Inclui casos comuns, ambiguidade, dados faltantes e erros de ferramentas. Para RAG, meça a recuperação de evidências separadamente da correção da resposta. Recall@k mede a parcela de evidências relevantes encontradas nos primeiros k resultados; Precision@k mede a parcela de resultados retornados que são relevantes. Para agentes, rastreie também ações, permissões e paradas. Um LLM como juiz pode acelerar a avaliação, mas precisa de calibração em humanos. Não altere prompt, modelo e índice simultaneamente se quiser entender o que melhorou os resultados.

Laboratório detalhado

Contratos entre etapas

Pergunte ao primeiro agente o prazo, evento de início e condições sem prosa de marketing. A segunda transforma os fatos em explicação; o terceiro traduz preservando os números. Um exemplo intermediário é “prazo=14; início=recibo; não utilizado=verdadeiro; embalagem=original”.

Se a extração omitir o empacotamento, o tradutor não poderá recuperá-lo da entrada que não possua esse fato. Inspecione cada etapa. Para ramificações independentes, Sequencial pode ser mais lento que Paralelo; estágios dependentes não podem ser paralelizados sem alterar sua lógica.

O esquema explicativo

Siga as setas sólidas para o fluxo principal. As setas azuis tracejadas fornecem dados ou contexto; setas rosa tracejadas mostram feedback ou retorno de resultados. Cores e formas distinguem modelos, lojas, decisões e resultados. Em telas pequenas, role na horizontal para acompanhar o esquema completo.

Um exemplo completo

O Agente 1 extrai prazo e condições. O Agente 2 explica simplesmente em romeno. O Agente 3 traduz para o inglês sem alterar os números.

step_1: LunaExtractor
step_2: LunaExplainer
step_3: LunaTranslator

Experimente você mesmo

1. Crie pelo menos duas etapas e atribua agentes na ordem de extração, explicação e tradução.
2. Registre a entrada, a fonte e o resultado esperado antes de executar o experimento. Use apenas os dados fictícios do exemplo.
3. Siga as etapas do diagrama. A cada passo registre quais informações são recebidas e produzidas; não confunda o resultado intermediário com o resultado final.
4. Repita após remover as informações necessárias ou tornar a entrada ambígua. Verifique se o sistema esclarece, interrompe ou inventa uma resposta.
5. Compare com a solução explicada. Guarde a configuração, data, resultado e explicação das diferenças. Mude uma coisa e teste novamente.

Uma solução explicada

Ambas as versões preservam 14 dias e a condição de não utilizado. Verifique cada saída, não apenas a tradução final. Um exercício bem-sucedido permite mostrar a conexão entre entradas, etapas e resultados. Quando falta informação, uma resposta cautelosa é mais útil do que detalhes inventados. Compare mais do que estilo: verifique também as condições, fontes e operações.

Quando esta abordagem ajuda e quais são seus limites

Um erro precoce se propaga, a menos que seja detectado. Escolha esta abordagem quando ela melhorar uma necessidade medida. Mantenha uma linha de base simples e compare os resultados usando dados idênticos. Um exemplo de sucesso não estabelece confiabilidade em todas as situações.

Verifique o que aprendeu

O multiagente é um oitavo modelo?

Não. É uma categoria arquitetônica que pode utilizar diversos templates existentes.

Um ponto de verificação é uma memória de usuário permanente?

Não. Salvar uma corrida não implica manter preferências entre conversas.

Que resultado este exercício deve produzir?

Ambas as versões preservam 14 dias e a condição de não utilizado. Verifique cada saída, não apenas a tradução final.

Termos para lembrar

• Acenar: Um estágio em um gráfico de execução.
• Ponto de verificação: estado salvo usado para retomar uma execução.
• Regressão / Regressão: uma alteração que quebra um caso anteriormente correto.

Fontes e sua próxima etapa

• LangGraph — Fluxos de trabalho e agentes

Para preparar: W03 — Reflexão: melhorando o primeiro rascunho