パターンを読み込んでいます…
📈
プログレッシブエンハンスメント(PE)
利用可能なリソースと時間に応じて、AIの出力品質を段階的に向上させます
複雑さ: mediumワークフローのオーケストレーション
30秒でわかる概要
- 概要
- まず素早く初期結果を返し、その後、時間とリソースが残っていれば出力の品質を段階的に高めていく。
- 使いどころ
- ユーザーが素早いフィードバックを必要とする一方で、エージェントに計算資源の余裕があればより良い結果の恩恵を受けられる、対話的なシステム。
- 注意点
- 中間出力を見たユーザーが、改善が終わる前に行動を起こしてしまうかもしれないし、負荷が高いときは改善が最後まで終わらないこともある。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
プログレッシブエンハンスメント: 概要
利用可能なリソースと時間に応じて、AIの出力品質を段階的に向上させます
- Layered quality improvement
- Anytime algorithm implementation
- Resource-based enhancement
- Graceful degradation support
- Quality-time trade-offs
- User preference adaptation
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- Zilberstein (1996): The principles of anytime algorithms
- Fast Inference from Transformers via Speculative DecodingarXiv:2211.17192
- Accelerating Large Language Model Decoding with Speculative SamplingarXiv:2302.01318
- Shinn et al. (2023): Self-Refine: Iterative Refinement with Self-Feedback
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで