Untitled
Ahad, 28 Jun 2026, 2:39 pm
tgk running man minggu lalu ni, game hantar info dari seorang ke seorang hingga yg last, kena jawab soalan berkenaan info yg dihantar.
structure & dynamic game ni mengingatkan saya pada ai multi agent, yg mana ada satu coordinator agent yg terima prompt dari user, kemudian dia hantar ke sub agent yg lain utk process & produce result sebelum hantar respond balik kpd user.
dlm pipeline penghantaran info tu, kalau context size tak cukup besar, akan berlaku truncation: info yg lebih tu akan tak termasuk. ini yg berlaku pada sukjin yg baca info berkenaan chess, hanya dpt tangkap info awal2 sampai tengah perenggan, yg selebihnya tu hilang. akibatnya, sub-agent lain semua tak dpt context yg betul.
dlm game ni, jaesuk jd pemain last utk terima info & jawab soalan drpd producer. boleh anggap jaesuk ni macam:
– llm model yg power mcm fable / mythos, yg mana byk general info dah disimpan dlm model tu sendiri, ataupun
– model yg boleh call tool, yg mana tool tu boleh jadi: search knowledge base, atau search web, utk cari jwpn
salah satu drpd info yg diorang kena hantar adalah berkenaan napoleon bonaparte & battle of waterloo. dari jongkook sampai jihyo semua ingat main point tu saja, nnt tau lah jaesuk apa jawapan kpd soalan ttg tempat napeoleon kena exile. analogi ni kalau di-applied kat ai multi-agent, user prompt tu hanya bg main point, coordinator agent kemudian hantar info ke sub-agent, kemudian sub-agent terima main point, nnt jwpn tu akan dijawab oleh sub-agent yg ada knowledge, atau sub-agent yg guna model yg ada knowledge baked-in.
