Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Συνομιλίες πολλαπλών γύρων με previous_response_id

Μάθημα 13 / 14 Ενημερώθηκε 29 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Βελτιώστε την αναζήτηση γύρο με γύρο
  2. Αλυσιδωτά ερωτήματα με previous_response_id
  3. Τρεις τρόποι εκτέλεσης μιας συνεδρίας
  4. Το ίδιο με το xAI SDK
  5. Πότε να σταματήσετε μια συνεδρία
  6. Βασικά σημεία

Βελτιώστε την αναζήτηση γύρο με γύρο

Μπορεί να φαντάζεστε τα συστήματα πολλαπλών πρακτόρων ως μηχανές ενιαίου ερωτήματος: μία τεράστια ερώτηση στην είσοδο, μία πλήρης αναφορά στην έξοδο. Αυτή είναι η λιγότερο αποδοτική χρήση τους. Η πραγματική έρευνα εξελίσσεται βήμα-βήμα, όπου κάθε απάντηση ανοίγει τον δρόμο για την επόμενη ερώτηση. Τα συστήματα πολλαπλών πρακτόρων λειτουργούν παρόμοια: αλυσιδωτά ερωτήματα διατηρώντας το πλαίσιο, ξεκινώντας ευρεία και στενεύοντας σταδιακά.

Αλυσιδωτά ερωτήματα με previous_response_id

Με το Responses API, η αλυσιδωτή εκτέλεση βασίζεται στο previous_response_id: περνάτε το ID της προηγούμενης απάντησης σε κάθε κλήση και το μοντέλο συνεχίζει από εκεί που σταμάτησε.

# Γύρος 1: επισκόπηση
response1 = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "Overview of RAG frameworks in 2026"}],
)

# Γύρος 2: εμβάθυνση (αναφορά στον προηγούμενο γύρο)
response2 = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "medium"},
    input=[{"role": "user", "content": "Deep dive into the mentioned hybrid architectures"}],
    previous_response_id=response1.id,
)

# Γύρος 3: στοχευμένη σύγκριση
response3 = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "high"},
    input=[{"role": "user", "content": "Compare Pinecone and Weaviate for this use case"}],
    previous_response_id=response2.id,
)

Παρατηρήστε την προοδευτική αύξηση της υπολογιστικής προσπάθειας: low για τον αρχικό χάρτη, medium για την εμβάθυνση, high για την τελική σύγκριση. Αυτό αντανακλά μια λογική αρχή: μην σπαταλάτε υπολογιστική ισχύ πριν ξέρετε πού να την κατευθύνετε. Οι πράκτορες γνωρίζουν τι έχει ήδη ειπωθεί και δεν ξαναχτίζουν τα θεμέλια σε κάθε γύρο.

Τρεις τρόποι εκτέλεσης μιας συνεδρίας

Η χοάνη: από το γενικό στο ειδικό

Αυτή είναι η πιο φυσική και οικονομική τροχιά. Στον πρώτο γύρο, με τέσσερις πράκτορες, χαρτογραφείτε το θέμα και αναδεικνύετε πιθανές κατευθύνσεις. Στον δεύτερο γύρο, πάλι με τέσσερις πράκτορες, εστιάζετε σε αυτή που σας ενδιαφέρει. Μόνο στον τρίτο γύρο κινητοποιείτε δεκαέξι πράκτορες για να αναλύσετε σε βάθος το συγκεκριμένο σημείο. Αναπτύσσετε τη μεγάλη ομάδα μόνο όταν είστε σίγουροι για το τι αναζητάτε, αντί να πληρώνετε για εξαντλητική εξερεύνηση όπου το 90% δεν θα σας φανεί χρήσιμο.

Πλάγια εξερεύνηση

Μερικές φορές μια απάντηση αποκαλύπτει μια απροσδόκητη γωνία προσέγγισης. Ρωτάτε για τις προκλήσεις ανάπτυξης LLM σε παραγωγικό περιβάλλον, ο επικεφαλής πράκτορας αναφέρει παρεμπιπτόντως θέματα λανθάνουσας καθυστέρησης (latency) και εκεί ακριβώς στηρίζεται το έργο σας. Ο επόμενος γύρος ξεκινά από αυτή την αναφορά—«αναφέρατε θέματα λανθάνουσας καθυστέρησης, ποιες λύσεις υπάρχουν;»—και ο τρίτος συγκρίνει τις προσεγγίσεις σημασιολογικής caching που συζητήθηκαν. Κάθε ερώτηση υιοθετεί το ακριβές λεξιλόγιο του προηγούμενου γύρου, βελτιώνοντας σημαντικά τη στόχευση των αναζητήσεων.

Διασταυρωμένη επαλήθευση

Αυτή η προσέγγιση δίνει προτεραιότητα στην αξιοπιστία έναντι της ανακάλυψης. Ζητάτε benchmarks απόδοσης για το Mistral Large 3, στη συνέχεια αναθέτετε σε ανεξάρτητες πηγές να επαληθεύσουν αυτά τα δεδομένα και ολοκληρώνετε αναζητώντας αντιφάσεις μεταξύ τους. Ο τρίτος γύρος είναι ο πιο διαφωτιστικός: μετατρέπει μια βέβαιη απάντηση σε μια κατάσταση γνώσης όπου η αβεβαιότητα γίνεται ρητή.

Το ίδιο με το xAI SDK

Το εγγενές SDK καθιστά την αλυσιδωτή εκτέλεση implicit: το αντικείμενο chat διατηρεί το ιστορικό, εσείς απλώς προσθέτετε διαδοχικά μηνύματα.

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=4,
    use_encrypted_content=True,
)

# Γύρος 1
chat.append(user("Overview of RAG frameworks in 2026"))
for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)

# Γύρος 2 (ίδιο αντικείμενο chat = διατήρηση πλαισίου)
chat.append(user("Deep dive into hybrid architectures"))
for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)

Η ρύθμιση use_encrypted_content=True κάνει εδώ πραγματική διαφορά: χωρίς αυτήν, διατηρείται μόνο το κείμενο που ανταλλάχθηκε· με αυτήν, η εσωτερική κατάσταση των υπο-πρακτόρων επιβιώνει από γύρο σε γύρο και η συνέχεια της αναζήτησης βελτιώνεται.

Πότε να σταματήσετε μια συνεδρία

Ο μηχανισμός έχει όρια, όλα συνδεδεμένα με τη συσσώρευση. Το πλαίσιο μεγαλώνει με κάθε γύρο και τελικά κορεσμένο το παράθυρο πλαισίου· το κρυπτογραφημένο περιεχόμενο συμβάλλει σε αυτό, καθώς η κατάσταση των υπο-πρακτόρων καταλαμβάνει χώρο· η συνοχή φθίνει καθώς ο επικεφαλής διαχειρίζεται μια ολοένα και πιο εκτεταμένη ιστορία· και το κόστος ακολουθεί την ίδια πορεία, καθώς κάθε γύρος χρεώνει όλα τα συσσωρευμένα tokens.

Στην πράξη, περιοριστείτε σε τρεις έως πέντε γύρους ανά συνεδρία. Πέρα από αυτό, ανοίξτε μια νέα συνεδρία με ένα prompt σύνθεσης που συνοψίζει τα συμπεράσματά σας: αυτό το καθαρό, συμπυκνωμένο πλαίσιο συχνά αποδεικνύεται πιο αποτελεσματικό από την τεντωμένη συνομιλία που εγκαταλείπετε.

Βασικά σημεία

  • Το previous_response_id αλυσιδώνει τα ερωτήματα διατηρώντας το πλαίσιο
  • Η στρατηγική της χοάνης (γενικό → ειδικό) βελτιστοποιεί το κόστος
  • Το use_encrypted_content=True διατηρεί την κατάσταση των υπο-πρακτόρων μεταξύ των γύρων
  • Περιοριστείτε σε 3-5 γύρους ανά συνεδρία για να διατηρήσετε τη συνοχή και το κόστος υπό έλεγχο
  • Ξεκινήστε με 4 πράκτορες και αυξήστε τον αριθμό τους ανάλογα με τις ανάγκες