Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Konversazzjonijiet b'diversi dawriet bl-użu ta' previous_response_id

Lezzjoni 13 / 14 Aġġornat 29 ta’ Lulju 2026 Zviluppatur
F'din il-paġna
  1. Irraffina t-tfittxija dawra wara dawra
  2. Qabbad it-tfittxijiet b’previous_response_id
  3. Tliet modi biex tmexxi sessjoni
  4. L-istess bl-SDK ta’ xAI
  5. Meta tieqaf sessjoni
  6. Punti Ewlenin

Irraffina t-tfittxija dawra wara dawra

Tista’ taħseb li s-sistema multi-aġent hija magna ta’ mistoqsija waħda: mistoqsija enormi tidħol, rapport sħiħ joħroġ. Dan huwa l-inqas użu effiċjenti tagħha. Investigazzjoni reali timxi b’passi, fejn kull tweġiba tiftaħ il-mistoqsija li jmiss. Is-sistema multi-aġent taħdem bl-istess mod: qabbad it-tfittxijiet waqt li żżomm il-kuntest biex tibda wiesa’, imbagħad iddejjaq.

Qabbad it-tfittxijiet b’previous_response_id

Mal-API tar-Risposti, il-katina tiddependi fuq previous_response_id: tgħaddi l-ID tar-risposta preċedenti għal kull sejħa, u l-mudell ikompli mill-fejn waqaf.

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

# Dawra 2: analiżi fil-fond (tirreferi għad-dawra preċedenti)
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,
)

# Dawra 3: tqabbil fil-mira
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,
)

Innota l-progressjoni fl-isforz tar-raġunament: low għall-mappa inizjali, medium għall-analiżi fil-fond, high għat-tqabbil finali. Dan jirrifletti loġika sottostanti—tonfoqx qawwa tal-kompjuter qabel ma tkun taf fejn tonfoqha. L-aġenti jafu x’inhu diġà ntqal u ma jerġgħux jibnu l-bażi kull dawra.

Tliet modi biex tmexxi sessjoni

Il-funnell, minn ġenerali għal speċifiku

Din hija t-trajettorja l-aktar naturali u ekonomika. Fl-ewwel dawra, imħaddma b’erba’ aġenti, timmappja s-suġġett u toħroġ angoli differenti. Fit-tieni, xorta b’erba’ aġenti, tiċċentra fuq dak li jinteressak. Fit-tielet dawra biss timmobilizza sittax-il aġent biex tanalizza l-punt identifikat fil-fond. Tiddispjega t-tim kbir biss meta tkun ċert x’inhu qed tfittex, minflok ma tħallas għal esplorazzjoni eżawrjenti fejn 90% ma jservikx.

Esplorazzjoni laterali

Xi kultant tweġiba tikxef angolu mhux mistenni. Tistaqsi dwar l-isfidi tal-implimentazzjoni tal-LLM fil-produzzjoni, il-mexxej isemmi kwistjonijiet ta’ latenza fil-għadda, u hemmhekk jiddependi l-proġett tiegħek. Id-dawra li jmiss tibda minn dik is-sejħa—“semmiejt kwistjonijiet ta’ latenza, liema soluzzjonijiet jeżistu?”—imbagħad it-tielet tqabbel l-approċċi ta’ caching semantiku diskussi. Kull mistoqsija tieħu l-vokabolarju eżatt mid-dawra ta’ qabel, li timmira t-tfittxijiet ferm aħjar.

Validazzjoni trasversali

Dan l-approċċ jimmira għall-affidabbiltà aktar milli għas-sejbien. Titlob benchmarks tal-prestazzjoni għal Mistral Large 3, imbagħad tagħmel li sorsi indipendenti jivverifikaw dawk iċ-ċifri, u tispiċċa billi tfittex kontradizzjonijiet bejniethom. It-tielet dawra hija l-aktar instruttiva: tbiddel tweġiba ċerta f’istat ta’ għarfien fejn l-inċertezza hija espliċita.

L-istess bl-SDK ta’ xAI

L-SDK nattiva tagħmel il-katina impliċita: l-oġġett chat iżomm l-istorja, inti sempliċiment iżżid messaġġi suċċessivi.

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

# Dawra 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)

# Dawra 2 (l-istess oġġett chat = kuntest ippreservat)
chat.append(user("Deep dive into hybrid architectures"))
for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)

use_encrypted_content=True tagħmel differenza reali hawn: mingħajrha, jinżamm biss it-test skambjat; biha, l-istat intern tas-sub-aġenti jibqa’ ħaj mid-dawra għall-oħra u t-tkomplija tat-tfittxija titjieb.

Meta tieqaf sessjoni

Il-mekkaniżmu għandu limiti, kollha marbuta mal-akkumulazzjoni. Il-kuntest jikber ma’ kull dawra u eventwalment jimla t-tieqa tal-kuntest; il-kontenut ikkrittat jikkontribwixxi għal dan, bl-istat tas-sub-aġent jieħu spazju; il-konsistenza tonqos hekk kif il-mexxej iżomm storja akbar; u l-ispejjeż isegwu, b’kull dawra tiffattura t-tokens akkumulati kollha.

Fil-prattika, illimita ruħek għal tlieta sa ħames dawriet kull sessjoni. Wara dan, iftaħ sessjoni ġdida b’messagg ta’ sinteżi li jgħaqqad il-konklużjonijiet tiegħek: dan il-kuntest nadif u kkondensat spiss juri ruħu aktar effettiv mill-konversazzjoni mġebbda li tkun abbandunajt.

Punti Ewlenin

  • previous_response_id iqabbad it-tfittxijiet waqt li jżomm il-kuntest
  • L-istrateġija tal-funnell (wiesa’ → speċifika) tottimizza l-ispejjeż
  • use_encrypted_content=True jippreserva l-istat tas-sub-aġenti bejn id-dawriet
  • Illimita ruħek għal 3-5 dawriet kull sessjoni biex iżżomm il-konsistenza u l-ispejjeż ġestibbli
  • Ibda b’4 aġenti u żidhom skont il-ħtieġa