Agente autodidata
Um agente autodidata é aquele que melhora com o que acontece enquanto trabalha: uma correção que você faz, o resultado de uma tarefa, uma edição que você aceita ou rejeita. Ele muda seu comportamento, e não apenas seu contexto.
Um agente autodidata é aquele que muda a forma como trabalha com base no que acontece enquanto está trabalhando, e não apenas no que você diz a ele no momento.
O aprendizado é restrito e específico, e é isso que o torna útil. Ele não treina novamente um modelo. Ele registra o que aprendeu como memória e aplica isso na próxima vez:
- Uma correção. Você diz "não, use arrow functions aqui". Isso se torna uma regra e vale a partir de então. Veja Regras e fatos.
- O resultado de uma tarefa. O que realmente funcionou em um trabalho e o que ele teve que refazer moldam a forma como ele aborda o próximo. Veja Como um agente aprende enquanto trabalha.
- O que você mantém. As edições que você aceita e rejeita são um sinal sobre o que você quer, e é por isso que o resultado melhora sem você escrever uma especificação.
Dois limites valem a pena conhecer. Ele aprende nas superfícies onde a memória está ativada, e não em um chat anônimo, que é somente leitura por design. E o que ele aprendeu é seu para inspecionar e remover: veja Alterar ou esquecer uma memória.
Related articles
- Agent memoryAgent memory is what an agent stores between sessions and brings back when it is relevant: standing rules, facts, studied material, and short summaries of past conversations.
- AI agent with a memoryAn AI agent with a memory is one that keeps what it learns about you and your work, attaches it to your account rather than to one app, and applies it wherever you use the agent next.
- How an agent learns as it worksDropstone is a self-learning agent. It records what it learns from corrections, from finished work, and from sources you ask it to study, and it uses that the next time without being told. Here is the loop.
- Rules and factsDropstone keeps two kinds of memory. Standing rules apply to every task without being searched for. Facts are recalled only when they are relevant. Here is why the difference matters and how it decides.