A vezető és az alügynökök szerepe
Ezen az oldalon
Egyértelmű hierarchia
Grok többügynökös architektúrája két típusú ügynök közötti alapvető megkülönböztetésre épül: a vezetőre és az alügynökökre. Amíg nem érted ezt a hierarchiát, addig a rendszer rossz részének címzett utasításokat írsz, majd csodálkozol, miért nem hajtják végre őket.
A vezető ügynök
A vezető a fő ügynök, és ez az egyetlen, amely közvetlenül kommunikál veled. Három funkciót lát el sorrendben. Először koordinál: lebontja a kérésedet, és alfeladatokat oszt ki az alügynököknek. Ezután felügyel: nyomon követi az egyes ügynökök kutatását, és az eredményt hozó irányok felé tereli a beszélgetést. Végül szintetizál: a hozzájárulásokat strukturált válasszá állítja össze.
Egy pontot pontosan úgy kell venned, ahogy leírtuk: csak az eszközhívások és a vezető válasza kerül vissza hozzád. Soha nem látod közvetlenül, mit produkálnak az alügynökök, csak a vezető végeredményét. A gyakorlatban ez azt jelenti, hogy ha egy alügynök talál egy döntő fontosságú információt, de a vezető úgy ítéli meg, hogy az kívül esik a kéréseden, akkor ez az információ sehol sem jelenik meg a kapott válaszban.
Az alügynökök
Az alügynökök a csapat kutatói, és mindegyikük pontosan ugyanazzal az eszközkészlettel rendelkezik, mint a vezető. Egy termékfigyelésért felelős ügynök a web_search segítségével lehívja a hivatalos bejelentéseket, majd a x_search eszközzel – amely az X-bejegyzéseket keresi – felméri a helyszíni reakciókat. Az az ügynök, amely a számokkal teli munkarészt örökli, megnyithatja a code_execution eszközt egy vetület újraszámításához, ahelyett, hogy fejben becsülné meg. A collections_search lekérdezi a gyűjteményeidet, és a távoli MCP eszközök, amelyeket deklaráltál, szintén elérhetők az egész csapat számára, nemcsak a vezető számára.
Beszélgetnek egymással és a vezetővel kutatásuk élesítése érdekében, ami lehetővé teszi számukra, hogy egyszerre több szögből járjanak körül egy témát anélkül, hogy két ügynök ugyanazt a munkát végezné el kétszer.
Az alügynökök titkosított gondolkodása
Az alügynökök belső gondolkodási folyamata titkosított marad. Nem olvashatod a gondolatmenetüket, ellentétben a látható gondolkodással, amelyet olyan régebbi modellek, mint a grok-3-mini, tártak fel. Ez a különbség gyakran meglepi azokat a fejlesztőket, akik hozzászoktak a gondolkodási nyomok vizsgálatához egy váratlan eredmény megértése érdekében: itt ez az ajtó zárva van.
Ennek három következménye van. Csak a vezető végeredményét látod, soha nem a közbenső lépéseket. Az alügynökök állapota csak a use_encrypted_content=True paraméter engedélyezésével érhető el. És még ezzel a paraméterrel is a tartalom titkosított marad: ez azért van ott, hogy a modell konzisztensen tartsa a beszélgetést a fordulók során, nem pedig azért, hogy te elolvasd. Ez az átláthatatlanság szándékos kompromisszum – szabadságot ad az ügynököknek a gondolkodáshoz megjelenítési korlátok nélkül, cserébe azonban kevesebb átláthatóságot biztosít számodra.
A végső válasz
Amikor a vezető elegendő információt kapott az alügynökeitől, előállítja a végső választ. Ez a válasz magában foglalja a különböző ügynökök által talált kutatási eredményeket, bármelyikük által végrehajtott eszközhívásokat – webes keresés, kódvégrehajtás – valamint a vezető saját strukturált szintézisét.
Az eszközhívások külön figyelmet érdemelnek: megjelennek a válaszban, függetlenül attól, hogy a vezető vagy egy alügynök hajtotta-e végre őket. Ez az egyetlen betekintés, amit az alügynökök munkájába nyerhetsz. Ha ellenőrizni szeretnéd, hogy egy keresés valóban a megfelelő forrásokat érte-e el, itt kell keresned, és sehol máshol.
Mit jelent ez az utasításaid számára?
Ez az architektúra megváltoztatja, hogyan fogalmazod meg a kéréseidet. Mivel a vezető kezeli a formázást, légy pontos a várt deliverable-lel kapcsolatban: összehasonlító táblázat, tájékoztató jegyzet, indokolt lista – tudnia kell, mit kell felépítenie. Határozd meg a kutatás hatókörét is, mert az alügynököknek világos korlátokra van szükségük, különben szétoszlanak; egy homályos kérés az „AI-piacról“ négy eltérő feltárást eredményez, amelyeket a vezetőnek aztán nehéz lesz összeegyeztetnie.
Két szokás egészíti ki ezt. Kérj explicit módon forrásokat, ha szeretnéd őket: az ügynökök tudnak hivatkozni, de nem csinálják minden alkalommal. És mondd le arról, hogy az utasításaidból próbáld irányítani az alügynököket – annak nincs hatása, hogy azt írod: „a 3-as ügynök ellenőrizze az árakat“, mivel egyetlen kapcsolattartód a vezető, és a munkamegosztás az ő hatáskörébe tartozik.
Főbb megállapítások
- A vezető koordinál, felügyel és szintetizál – ő az egyetlen kapcsolattartód
- Az alügynökök párhuzamosan végzik a kutatást és az elemzést
- Csak a vezető válasza és az eszközhívások kerülnek vissza
- Az alügynökök gondolkodása titkosított és elérhetetlen
- Az utasításaidnak a vezetőt kell megcélozniuk, világos instrukciókkal a várt deliverable-ről