Context

Wat een agent waard is, wordt begrensd door wat hij van jouw bedrijf weet, en standaard weet hij niets. Algemene kennis is hier niet het punt: een model dat over thermodynamica kan praten maar niet kan zeggen wat je retourbeleid is, heeft in je bedrijf niets te zoeken.

Context is de machinerie die dat gat dicht.

Jouw bronnen, niet algemene kennis

Antwoorden komen uit documenten die jij aanleverde en uit dossiers die de agent opzocht. Zwijgen die, dan zegt de agent dat, in plaats van zich naar iets aannemelijks toe te redeneren.

Die beperking is de belangrijkste ontwerpkeuze in het hele systeem. Een aannemelijk antwoord over je retourbeleid is erger dan geen antwoord, want de klant handelt ernaar.

Dunne documentatie levert een dunne agent op

Dit is het ongemakkelijke deel en het komt in bijna elke opdracht terug. Is je documentatie vaag, tegenstrijdig of afwezig, dan erft de agent alle drie die eigenschappen.

De snelste route naar een betere agent is meestal de bron repareren en niet het model wisselen, en dat betekent schrijven voordat je koopt. Dat staat bij QAIYU Docs, en de lijst met gaten die dat oplevert is het hebben waard, ook als er geen agent op volgt.

Bronnen worden genoemd

Komt een antwoord uit een document, dan kan de agent zeggen uit welk. Daarmee wordt een bewering iets controleerbaars, en het is wat een mens in staat stelt een antwoord in seconden te verifiëren in plaats van naar de bron te gaan zoeken.

Wat de agent produceert wordt op zijn beurt context

Elke afgehandelde zaak, elke doorzetting, elke vraag die de agent niet kon beantwoorden wordt materiaal waar de volgende ronde van leert. Dat staat bij agentic data, en daar zit de waarde die zich opstapelt: een agent die zes maanden gedraaid heeft, weet dingen over jouw bedrijf die nergens opgeschreven stonden. Hoe mensen dat zien en corrigeren terwijl het gebeurt, staat bij interfaces.