Cum funcționează de fapt agenții AI. Gândește-te la o conversație ca la o serie de obiecte: → → de → de → de de sistem de sistem... Promptul sistemului definește rolul. Exemplu: "Ești un agent de codare care rezolvă probleme de programare." Apoi utilizatorul întreabă ceva. LLM-ul primește întreaga conversație ca context și începe să genereze următoarele token-uri. (Ce sunt jetoane? bucăți mici de text. un token poate fi un cuvânt întreg, o parte din el, spațiu alb etc. Dar mai este o piesă: uneltele. Uneltele sunt doar funcții pe care LLM-ul are voie să le apeleze. De exemplu: • read_file(calea) • edit_file(cale, conținut) • search_web(interogare) • bash (comandă) acestea sunt transmise modelului ca parte a contextului. Astfel, în loc să returneze doar textul, LLM-ul poate returna apelurile uneltei. Exemplu: "cheamă read_file cu path /home/user/project" Agentul primește acea cerere, rulează funcția și trimite ieșirea înapoi către LLM ca context suplimentar. Apoi LLM-ul continuă să gândească... Așadar, bucla arată astfel: LLM → apel → ieșire → llm → apel → ... LLM este creierul. Agentul este mâinile și picioarele. Când CC sau Codex scriu cod pentru tine, exact asta se întâmplă. Modelul îi cere agentului să citească fișiere, să scrie fișiere, să ruleze comenzi și să vadă rezultatele. înainte și înapoi, într-o buclă. Acum există un alt strat numit abilități. Abilitățile sunt practic un instrument special. Agentul introduce rezumate ale abilităților disponibile în prompt și îi spune LLM-ului: "Ai abilități. pentru a le folosi, sună unealta de abilități cu numele abilității." Când LLM-ul decide că o abilitate este relevantă (de exemplu scrierea Python), apelează la instrumentul de abilități. Agentul încarcă apoi instrucțiunile complete pentru acea abilitate și le injectează în context. Așadar, abilitățile sunt de fapt pachete de prompturi încărcate printr-un apel de uneltă. Un agent minim care implementează această buclă poate fi scris în ~20 de linii de cod. Majoritatea implementărilor reale sunt mai mari deoarece gestionează cazurile limită: Timeout-uri, încercări, împingerea modelului când se blochează, adăugarea contextului, prevenirea buclelor. Dar ideea de bază rămâne aceasta: LLM crede că → sună la instrumente → vede rezultate → gândește din nou.