Pogovori z več krogi z uporabo previous_response_id
Na tej strani
Izboljšaj iskanje korak za korakom
Morda si predstavljaš večagentni sistem kot stroj za enojne poizvedbe: eno ogromno vprašanje notri, popolno poročilo ven. To je njegova najmanj učinkovita uporaba. Pravo raziskovanje poteka v korakih, kjer vsak odgovor odpre naslednje vprašanje. Večagentni sistem deluje enako: poveži poizvedbe ob ohranjanju konteksta, da začneš široko in se nato zožiš.
Povezovanje poizvedb z previous_response_id
Pri API-ju Responses temelji veriženje na previous_response_id: vsakemu klicu posreduješ ID prejšnjega odgovora in model nadaljuje nit.
# Krog 1: pregled
response1 = client.responses.create(
model="grok-4.20-multi-agent-0309",
reasoning={"effort": "low"},
input=[{"role": "user", "content": "Overview of RAG frameworks in 2026"}],
)
# Krog 2: poglobljena analiza (sklicuje se na prejšnji krog)
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,
)
# Krog 3: ciljana primerjava
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,
)
Opazi napredovanje v prizadevanju za sklepanje: low za začetni zemljevid, medium za poglobljeno analizo, high za končno primerjavo. To odraža osnovno logiko – ne troši računske moči, dokler ne veš, kam jo usmeriti. Agenti vedo, kaj je bilo že povedano, in ne gradijo znova temeljev ob vsakem krogu.
Trije načini izvajanja seje
Lijak: od splošnega k specifičnemu
To je najbolj naravna in gospodarna pot. Prvi krog, izveden s štirimi agenti, preslika temo in izpostavi kote gledanja. Drugi krog, še vedno s štirimi agenti, se poglobi v tistega, ki te zanima. Šele tretji krog mobilizira šestnajst agentov za poglobljeno analizo identificirane točke. Veliko ekipo razporediš šele, ko si prepričan, kaj iščeš, namesto da bi plačeval za izčrpno raziskovanje, kjer ti 90 % rezultatov ne bo v korist.
Stransko raziskovanje
Včasih odgovor razkrije nepričakovan kot. Vprašaš izzive pri uvajanju LLM v proizvodnjo, vodja mimogrede omeni težave z zakasnitvijo in prav tu visi tvoj projekt. Naslednji krog začne s to omembo – „omenili ste težave z zakasnitvijo, kakšne rešitve obstajajo?” – tretji pa primerja obravnavane pristope semantičnega predpomnjenja. Vsako vprašanje prevzame točno besedišče iz prejšnjega kroga, kar bistveno izboljša ciljanje iskanj.
Navzkrižno preverjanje
Ta pristop daje prednost zanesljivosti pred odkrivanjem. Zahtevaš referenčne vrednosti zmogljivosti za Mistral Large 3, nato pa neodvisni viri preverijo te številke, na koncu pa poiščeš protislovja med njimi. Tretji krog je najbolj poučen: iz gotovega odgovora naredi stanje znanja, kjer je negotovost eksplicitna.
Enako z xAI SDK
Nativni SDK naredi veriženje implicitno: predmet chat hrani zgodovino, ti le dodajaš zaporedna sporočila.
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
use_encrypted_content=True,
)
# Krog 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)
# Krog 2 (isti predmet chat = ohranjen kontekst)
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 tu naredi veliko razliko: brez tega se ohrani le izmenjano besedilo; z njim pa notranje stanje pod-agentov preživi iz kroga v krog in kontinuiteta iskanja se izboljša.
Vedeti, kdaj sejo končati
Mehanizem ima omejitve, vse povezane z kopičenjem. Kontekst raste z vsakim krogom in sčasoma zapolni okno konteksta; šifrirana vsebina k temu prispeva, saj stanje pod-agentov zavzema prostor; doslednost bledi, ko vodja hrani obsežnejšo zgodovino; sledijo tudi stroški, saj se z vsakim krogom zaračunajo vsi nakopičeni žetoni.
V praksi se omeji na tri do pet krogov na sejo. Čez to mejo odpri novo sejo s pozivom za sintezo, ki povzema tvoje zaključke: ta čist, jedrnat kontekst se pogosto izkaže za učinkovitejšega od razvlečenega pogovora, ki ga opustiš.
Ključne ugotovitve
previous_response_idpovezuje poizvedbe ob ohranjanju konteksta- Strategija lijaka (splošno → specifično) optimizira stroške
use_encrypted_content=Trueohranja stanje pod-agentov med krogi- Omeji se na 3–5 krogov na sejo, da ohraniš doslednost in obvladljive stroške
- Začni s 4 agenti in jih po potrebi povečaj