Spoonos ha llançat SpoonGraph, un motor d’execució estructurat dissenyat per suportar el flux de control determinista, l’encaminament intel·ligent, l’execució paral·lela i la gestió de la memòria integrada per als agents de la IA. El marc té com a objectiu millorar la fiabilitat i l’ateradabilitat en els fluxos de treball d’agents i abordar diverses limitacions en els agents actuals basats en LLM.
En el desenvolupament de la IA, les arquitectures basades en gràfics ofereixen un enfocament estructurat de la lògica de l’agent de modelatge. Representen fluxos de treball i memòria a través d’una xarxa de nodes i vores interconnectades. Els desenvolupadors poden construir sistemes de raonament traçables i audibles mitjançant gràfics en lloc de fer una cadena de decisions o opaca.
Segons Spoonos, els marcs actuals s’enfronten a reptes persistents, com ara el flux de control poc clar, la lògica condicional dispersa, la falta de paral·lelisme i la manipulació de memòria limitada. SpoonGraph introdueix una sèrie de mecanismes per fer front a aquestes mancances, incloses:
- Nodes i vores explícites que permeten una execució estructurada i transparent.
- L’encaminament en capes per donar suport a la presa de decisions mitjançant LLMS, funcions condicionals i regles simbòliques.
- Grups d’execució paral·lels per permetre la manipulació de tasques concurrents amb estratègies d’unió personalitzable.
- Els reductors estatals integrats i la gestió de la memòria per mantenir la seguretat de tipus i la persistència de la sessió.
El sistema és modular per disseny, permetent als desenvolupadors connectar diversos agents o subgrafes i recorrer dinàmicament l’execució a través d’ells. Les funcions addicionals inclouen eines de control d’execució com les mètriques de rendiment d’execució i el seguiment de la taxa d’èxit.
SpoonGraph es posiciona com a motor de qualitat de producció, amb aplicacions potencials en l’encaminament de decisions, tasques d’automatització en diversos passos i fluxos de treball lògics híbrids que combinen raonaments de LLM, processament basat en regles i trucades de funcions.
Per donar suport a les bones pràctiques, SpoonGraph anima els desenvolupadors a implementar nodes de resposta única, afavorir l’encaminament condicional sobre els fluxos dinàmics impulsats per LLM, utilitzar el paral·lelisme per a tasques d’E/S pesades, control de la memòria amb reductors i supervisar el rendiment mitjançant el integrat mitjançant el integrat get_execution_metrics() funció.
L’anunci original es pot trobar a l’enllaç següent:
https://x.com/spoonos_ai/status/1968261099968737381
