https://meshrefine.com/pl/tags/anthropic/Wpisy · Mesh RefinementMon, 23 Jun 2025 20:26:29 +0200https://meshrefine.com/pl/posts/claude_deep_research_lessons/<p>Zazwyczaj staram się podchodzić do wszelkich nowych, błyszczących zabawek z pewną dozą sceptycyzmu. Dokładnie taki, do niedawna, był mój stosunek do systemów wieloagentowych. Powiedziałbym, że nie jest to zaskakujące, ponieważ wokół nich jest teraz mnóstwo szumu, a ja nie widziałem prawdziwie udanych przykładów takiego podejścia. Większość realizacji, które faktycznie działały, należała do jednego z następujących typów:</p> <ol> <li><strong>Systemy agentowe działające według określonego planu</strong>. Czyli LLM z narzędziami, wytrenowane do automatyzacji konkretnego procesu. Dzięki temu każdy krok można testować osobno i weryfikować jego wyniki. Opisywane są takie systemy zazwyczaj w postaci skierowanego grafu acyklicznego (DAG), czasem dynamicznego, i tworzone przy użyciu już standardowych prymitywów z frameworków typu LangChain i Griptape. Tak funkcjonowała wczesna implementacja Gemini Deep Research, w której najpierw tworzono plan wyszukiwania, następnie wykonywano samo wyszukiwanie, a na końcu składano wynik.</li> <li><strong>Rozwiązania działające w systemach ze sprzężeniem zwrotnym</strong>. Różne Claude Code, Cursor i inne agenty operujące na kodzie. Im silniejsze sprzężenie zwrotne, czyli im lepszy tooling i surowsza kontrola typów, tym większe szanse, że ostatecznie nie zepsują wam bazy kodu.</li> <li><strong>Modele trenowane za pomocą Reinforcement Learning</strong>, takie jak modele z <a href="https://docs.anthropic.com/en/docs/build-with-claude/extended-thinking#interleaved-thinking">interleaved thinking</a>, na przykład OpenAI o3. To osobna i bardzo ciekawa rozmowa, ale nawet takie modele mają jakieś <em>modus operandi</em>, określone przez specyfikę ich treningu.</li> </ol> <p>Tymczasem systemy wieloagentowe typu otwartego, ze względu na ich ogólną zawodność, istniały dotychczas głównie w formie <em>proof of concept</em>. W społeczności brakowało zrozumienia, gdzie je stosować i jak dokładnie je implementować. Aż pojawił się <a href="https://www.anthropic.com/engineering/built-multi-agent-research-system">głęboki artykuł inżynierski od Anthropic o tym, jak tworzyli swój Deep Research</a>. Zdefiniowano w nim wystarczająco jasne ramy do budowy takich systemów i to właśnie je dzisiaj przeanalizujemy.</p>Mon, 23 Jun 2025 20:26:29 +0200https://meshrefine.com/pl/posts/claude_deep_research_lessons/