Если мы хотим, чтобы они занимались работой со знаниями, проектируйте их как Knowledge Agents
If we want them to do Knowledge Work, design them as Knowledge Agents — Benjamin Clavié, Mixedbread
Агенты для работы со знаниями стоит проектировать по образцу человеческих организаций знаний: улучшать инструменты, когда упирается потолок, и учить агентов разным поисковым примитивам.
- Поиск задаёт потолок — по словам спикера, плохо настроенный BM25 даёт около 60% точности, а лучшая связка на Brass Compass,
Hybrid Harness, доходит до 90,2% с на 20% меньшим числом вызовов инструментов. - PDF без OCR — на MatQA, по словам спикера, при лексическом поиске человек и Gemini 3 упираются в один потолок, а мультимодальный поиск по самим страницам поднимает точность.
- Субагенты для исследования — главный агент разбивает открытый запрос на аспекты, searcher-агенты возвращают короткие memo, и по словам автора это даёт +3,5 пункта точности и сокращает разрыв до идеальных документов примерно на 40%.
- Примитивы, а не один поиск — модели тянутся к grep, хотя PDF им не поиск, поэтому агент должен уметь выбирать между grep, BM25 и semantic search.
Кому полезно: тем, кто строит агентов для юридических, медицинских или финансовых документов, где запрос открыт, а контекст приходится восстанавливать.
Статья по теме
Главы
Похожие доклады
Необычайная эффективность BM25 для агентного поиска
AI Engineer World's Fair 2026
Близко по содержанию
Мы — узкое место, но это можно изменить
AI Engineer World's Fair 2026
Близко по содержанию
Как создавать AI agents для автоматизации интеллектуальной работы
AI Engineer World's Fair 2025
Близко по содержанию
Не пытайтесь исправить проблемы поиска с помощью fine-tuning
AI Engineer Code 2025
Близко по содержанию

