Що @SentientAGI готував? Давайте розберемо, як працює рекурсивний відкритий мета-агент (ROMA) Sentient, спрощено 👇 Більшість завдань занадто складні для одного агента. ROMA розбиває їх на підзадачі, розкручує спеціалізованих агентів, а потім об'єднує результати. Приклад: порівняйте клімат 🌦️ Лос-Анджелеса та Нью-Йорка Крок 1 → Генеральний планувальник вирішує, що завдання є складним, → створює підзавдання Крок 2 → Субагенти досліджують клімат Лос-Анджелеса, клімат Нью-Йорка та порівнюють результати Крок 3 → Кожен агент доставляє розвідувальні пакети (дані про погоду, історичні тенденції, аналіз) Крок 4 → Зона конвергенції об'єднує інсайти Крок 5 → Механізм синтезу об'єднує все в єдиний підсумковий звіт Рекурсивна оркестровка > агенти створюють інших агентів, поки місія не буде вирішена. Замість того, щоб одна модель робила все, ви отримуєте рій спеціалізованих агентів, які працюють разом, перевіряють і синтезують. У цьому сила РОМА.