Arize AI. Selgitab, miks tootmisagendid ebaõnnestuvad, kui süsteemil pole õiget konteksti, hindamisandmeid, trace’e ja domeeniekspertiisi. See sobib artikli vearegistriga: eralda otsing arutlusest, defineeri oodatud tulemus, hinda tööriistakutseid ja jälgi vigu enne mudeli vahetamist.
Intervjuu on kasulik, sest see ei aja mudelinimesid taga, kuid see on observability-vendor’i kontekst. Põhiline õppetund on laiem: töökindlus tuleb arhitektuurist, evalitest, trace’idest, varuplaanidest ja inimomanikust.
Disainida AI töövooge konteksti, evalide ja observability ümber, nii et tootmisvead oleksid nimetatavad, mõõdetavad ja parandatavad.
Tuttav peaks olema LLM-agentide, tööriistakutsete, otsingupõhiste töövoogude ja põhilise tootmismonitooringu loogika.
Jätka sama õpiteekonda järgmiste hoolikalt valitud kaasvideotega.