Playground ca laborator

Playground face vizibili pașii unei conversații. Îl folosim ca laborator pentru comparații controlate, nu doar pentru un demo reușit.

Pașii se referă la funcționalități identificate în codul aplicației. Validarea pe o instanță live nu a fost efectuată pentru acest material; verifică documentația și opțiunile din versiunea ta.

Cum funcționează, pas cu pas

Bucla unui agent cu limite

Agentul combină un model cu unelte, obiectiv și stare. Observă cererea, alege un pas, primește rezultatul și decide dacă trebuie să continue. Un chatbot poate doar genera text; un agent poate cere o acțiune externă. Definițiile comerciale variază, deci urmărește controlul real. Definește succesul și oprirea: rezultat verificat, număr maxim de pași, eroare repetată sau buget epuizat. Folosește capabilități înguste și drepturi minime. Autonomia utilă înseamnă libertate în interiorul unor limite aplicate de software.

Definește succesul înainte de optimizare

Pregătește un set de cereri reprezentative și răspunsuri sau proprietăți așteptate. Include cazuri obișnuite, ambigue, fără date și cu erori de unelte. Pentru RAG măsoară separat găsirea dovezii și corectitudinea răspunsului. Recall@k urmărește proporția dovezilor relevante găsite în primele k rezultate; precision@k urmărește proporția rezultatelor relevante. Pentru agenți urmărește și acțiunile, accesul și oprirea. Un LLM-as-judge poate accelera evaluarea, dar se calibrează față de oameni. Nu modifica simultan promptul, modelul și indexul dacă vrei să înțelegi cauza îmbunătățirii.

Erorile au nevoie de trasee explicite

Un timeout nu este același lucru cu o eroare de permisiune. Reîncearcă doar erorile tranzitorii, cu un număr limitat de încercări și pauze crescătoare. O operație cu efecte poate fi executată înainte ca răspunsul să se piardă; repetarea fără cheie de idempotency poate dubla efectul. Streaming arată progresul, dar nu garantează finalizarea. Checkpoint-urile pot permite reluarea etapelor eșuate, în limitele runtime-ului. Păstrează identificatorul rulării, etapa, durata și eroarea, eliminând secretele din logs. Măsoară și cel mai lent traseu, nu doar media.

Harta vizuală

Urmărește săgețile continue pentru fluxul principal. Săgețile albastre punctate furnizează date sau context; cele roz punctate arată feedback sau rezultate care revin. Culorile și formele disting modelele, stocările, deciziile și rezultatele. Pe ecrane mici, derulează orizontal pentru a urmări întreaga diagramă.

Un exemplu complet

Selectezi agentul sau workflow-ul, trimiți întrebarea și urmărești streaming și steps. Pentru un fișier verifici upload-ul. La comparații începi o conversație nouă ca istoricul să nu schimbe testul.

Încearcă tu

1. Rulează aceeași întrebare cu două configurații și notează diferențele.
2. Notează intrarea, sursa și rezultatul așteptat înainte să rulezi experimentul. Folosește doar datele fictive din exemplu.
3. Urmărește etapele din diagramă. La fiecare pas scrie ce informație primește și ce produce; nu confunda rezultatul intermediar cu rezultatul final.
4. Repetă cazul după eliminarea unei informații necesare sau după o intrare ambiguă. Verifică dacă sistemul cere clarificare, se oprește sau inventează.
5. Compară cu soluția comentată. Păstrează configurația, data, rezultatul și o explicație pentru orice diferență. Schimbă un singur lucru și retestează.

Soluție comentată

Raportul conține cererea, ținta, pașii și rezultatul, nu numai textul final. Pentru a considera exercițiul reușit, poți arăta legătura dintre intrare, etapele parcurse și rezultat. Dacă lipsesc date, un răspuns prudent este mai util decât o completare inventată. Nu compara doar stilul: verifică și condițiile, sursele și operațiile efectuate.

Când merită și ce poate merge prost

Un atașament în conversație nu devine automat corpus RAG permanent. Alege această abordare când îmbunătățește o nevoie măsurată. Păstrează o variantă simplă ca referință și compară rezultatele pe aceleași intrări. Un singur exemplu reușit nu stabilește fiabilitatea în toate situațiile.

Verifică ce ai înțeles

Mai multă autonomie produce întotdeauna un rezultat mai bun?

Nu. Crește și spațiul pentru greșeli, costuri și acțiuni inutile.

O notă bună de stil dovedește succesul unui agent?

Nu. Agentul poate scrie frumos după ce a folosit unealta sau datele greșite.

Ce rezultat trebuie să obții în acest exercițiu?

Raportul conține cererea, ținta, pașii și rezultatul, nu numai textul final.

Cuvinte de ținut minte

• Agent: Sistem care poate decide pași și utiliza unelte spre un obiectiv.
• Regresie / Regression: O schimbare care strică un caz anterior corect.
• Idempotency: Repetarea controlată fără duplicarea efectului.

Surse și următorul pas

• LangGraph — Workflows and agents

Pentru pregătire: U01 — Harta aplicației