Çoğu ajan sürüsü size kendinden emin saçmalıklar sunar. Bu sürü ise kendi işini kontrol eder, başarısız olanları atar ve her sayı bir kaynağa dayanana kadar yeniden çalışır.
- 300 paralel ajan
- Çalışma başına 4.000 adım
- 5 canlı veri akışı
- Sıfır hataya ulaşmak için 3 doğrulama geçişi
Ajan sürülerinin kirli sırrı, daha fazla ajanın genellikle daha fazla kendinden emin saçmalık anlamına gelmesidir.
300 ajanı bir araştırma görevine yönlendirin, kesinlikle hızlı geri döneceklerdir. Ayrıca güncel olmayan rakamlar, yarı uydurma alıntılar ve var olmayan üç şirketle de geri döneceklerdir. Hız hiçbir zaman zor kısım olmadı. Güven zordu.
Bu yüzden sürüyü bitiş çizgisi olarak görmekten vazgeçtim ve onu bir döngünün aşamalarından biri haline getirdim. Opus 4.8 işi planlar ve daha da önemlisi onu kontrol eder. Kimi K2.6 sürüsü ise yürütür. Ardından Opus her çıktıyı kaynağına karşı doğrular, başarısız olanları atar ve bu görevleri yeniden çalıştırılmak üzere geri gönderir. Döngü ancak hiçbir şey başarısız olmadığında durur.
Bunu test etmek için döngüye halüsinasyonu her şeyden daha fazla cezalandıracak bir iş verdim: EV pazarındaki 100 şirketi analiz et ve karşılaştırma matrisi içeren, her rakamı canlı bir kaynağa dayanan, araştırma kalitesinde bir rapor üret.
Bir sürü size hız kazandırır. Bir döngü size gerçekten güvenebileceğiniz bir hız kazandırır. Fark, doğrulama adımıdır ve bu her şeyi değiştirir.
Eksik parça
Ham sürülere neden güvenilmez
Doğrulayıcısı olmayan bir sürünün tam olarak tek bir kalite ayarı vardır: en kötü ajanın ürettiği şey. 97 ajan şirketlerini mükemmel bir şekilde özetlerken 3'ü sessizce bir gelir rakamı uydurursa, bitmiş raporunuz üç mayın tarlası içerir ve mükemmel bir raporla aynı görünür. Bir toplantıda patlayana kadar hangi üçünün olduğunu bilemezsiniz.
Bu yüzden "daha fazla ajan ekle" yaklaşımı bir platoya ulaşır. Hacim, çıktıyı ve hata sayısını aynı oranda artırır. Daha fazla el, daha fazla hata, ancak kontrol eden kimse yok.
Döngü, doğrulamayı gerçek dişlere sahip birinci sınıf bir aşama haline getirerek bu sorunu çözer. Opus 4.8 her ajanın çıktısını, kullandığı iddia edilen canlı kaynağa karşı geri okur. Eşleşmeyen bir sayı reddedilir. Çözümlenmeyen bir alıntı reddedilir. Reddedilen herhangi bir şey kuyruğa geri döner ve yeniden çalıştırılır. Kontrolden geçene kadar hiçbir şey gönderilmez.
Döngü
Temizlenene kadar çalışan dört aşama
Tüm sistem bir çizgi değil, bir döngüdür. Her yarı yalnızca en iyi olduğu şeyi yapar ve doğrulama aşamasının reddedecek hiçbir şeyi kalmayana kadar döngü dönmeye devam eder.
Bu dördüncü aşama tüm fikrin ta kendisidir. Normal bir sürü 1'den 3'e kadar olan adımları bir kez çalıştırır ve size sonucu, hataları ve her şeyiyle birlikte teslim eder. Döngü ise hâlâ yanlış bir şey varken durmayı reddeder.
Çalıştırma
Döngünün kendi hatalarını yakalamasını izlemek
İşte Opus 4.8'e verdiğim komut. Alttaki kontrol listesine dikkat edin. Doğrulama aşaması daha sonra kötü işi reddetmek için bu kontrol listesini kullanır, bu yüzden tüm komutun en önemli parçasıdır.
1# Role: plan the work, then verify every result.23GOAL: research 100 EV-market companies.4OUTPUT: comparison matrix + research report, every5 figure traced to a live source.67PER-COMPANY CHECKLIST (verify against this):8- revenue + margin pulled from a live feed9- source URL attached and resolvable10- figure matches source within tolerance11- no field left empty1213# after the swarm runs, check EVERY company.14# reject any that fail. send them back. repeat.
Opus, şirket başına bir tane olmak üzere 100 araştırma görevi planladı ve bunları Kimi K2.6 sürüsüne teslim etti. İlk geçiş dakikalar içinde geri döndü. Sonra ilginç kısım başladı.
İlk doğrulama geçişinde Opus, 100 şirketten 12'sini reddetti. Bazılarının alıntı yaptığı akışla eşleşmeyen bir gelir rakamı vardı. İkisi çözümlenmeyen bir kaynağa atıfta bulundu. Biri marj alanını boş bıraktı. Bunların hiçbiri nihai raporda bariz olmayacaktı. Hepsinde hata olacaktı.
Bu 12 şirket, ret nedenleriyle birlikte kuyruğa geri döndü. İkinci geçiş: 3'ü hâlâ başarısızdı. Üçüncü geçiş: sıfır. Reddedilecek hiçbir şey kalmadığı için döngü kendi kendine durdu.
Ham bir sürü bu 12 hatayı gönderir ve işi bitmiş sayardı. Döngü ise tek bir satırı bile okumama gerek kalmadan hepsini yakaladı.
Beş canlı veri akışı, doğrulamanın belirsiz değil katı olabilmesinin nedenidir. Rapordaki her rakam Binance, Yahoo Finance, Dünya Bankası, IMF veya canlı borsaya işaret eder. Opus doğrulama yaparken, modele kendinden emin olup olmadığını sormaz. İddia edilen sayıyı gerçek akışa karşı kontrol eder. Araştırma kalitesi ile kendinden emin görünme arasındaki fark işte budur.
Daha büyük resim
Bu bir başka DeepSeek anı
Çalıştırmadan bir adım geri çekilin, çünkü stratejik resim asıl hikayedir.
Kapalı laboratuvarlar tek ajanlı sohbet robotları gönderirken, 20 milyar dolar değer biçilen açık bir Çin laboratuvarı, böyle bir döngüyü mümkün kılan sürüyü gönderdi. Açık ağırlıklı modelleri Kimi K2.6, şu anda OpenRouter haftalık liderlik tablosunda 1. sırada. Kullanım açısından, şu anda dünyada en çok kullanılan büyük dil modelidir.
Ve en güçlü olduğu alan, doğrulamanın en önemli olduğu yerlerdir:
- Finans ve danışmanlık. Profesyonel çizelgeler, ısı haritaları, çok yıllı rapor analizi, varsayılan olarak McKinsey kalitesinde çıktı.
- Akademik ve araştırma. LaTeX formül oluşturma, karşılaştırma matrisli literatür taramaları, kaynağa dayanan alıntılar.
- Diğer araçları kıran ölçek. Tek geçişte 200.000'den fazla kelime bağlamı, 100 şirketlik veri setleri, 100 slaytlık sunumlar.
- İzlenebilirlik. Her veri noktası tıklanabilir bir kaynağa bağlanır. Araştırma kalitesi varsayılan ayardır, bir seçenek değil.
Kendiniz çalıştırın
Döngü, baştan sona
Bir laboratuvara ihtiyacınız yok. Bir döngüye bağlanmış iki yarıya ve doğrulama için yeterince katı bir kontrol listesine ihtiyacınız var.
1{2 "pass": 1,3 "checked": 100,4 "passed": 88,5 "rejected": [6 { "company":"co_041", "reason":"revenue != source" },7 { "company":"co_067", "reason":"citation 404" },8 { "company":"co_092", "reason":"margin empty" }9 ],10 "action": "requeue rejected -> swarm"11}
Tek bir karedeki fark
Ham sürü
❌ Bir kez çalışır, size sonucu teslim eder
❌ Gizli hatalar raporla birlikte gönderilir
❌ Kalite en kötü ajana eşittir
❌ Her satırı elle denetlersiniz
❌ Kendinden emin, doğrulanamaz rakamlar
Kendini doğrulayan döngü
✔️ Doğrulama geçişi temizlenene kadar çalışır
✔️ Başarısızlıklar otomatik olarak yakalanır ve yeniden çalıştırılır
✔️ Kalite kontrol listesine eşittir
✔️ Hiçbir şeyi denetlemezsiniz, döngü yaptı
✔️ Her rakam canlı bir kaynağa dayanır
Bir sürü size hız kazandırır. Bir döngü size güvenebileceğiniz bir hız kazandırır.
Tek ajanlı dönem kapanıyor, ancak sürü çağının kimsenin bahsetmediği bir yakalaması var: doğrulama olmadan hacim, sadece daha hızlı hatalardır. Bir sonraki dönemi kazananlar en çok ajanı çalıştıranlar olmayacak. Kendi işini kontrol eden ajanları çalıştıranlar olacak.
