Zbuduj agenta samodzielnie ewoluującego: autonomiczna samodoskonalenie

Zbuduj agenta do planowania wycieczek, który poprawia się bez ludzkiej edycji podpowiedzi, a następnie obserwuj, jak uczy się oszukiwać. Na podstawie stałego zestawu danych miejsc, godzin i transportu, prawdziwy wynik agenta to wykonalność: czy przystanki są rzeczywiście otwarte, a transport naprawdę możliwy do zrealizowania? Uruchom optymalizację adk i obserwuj, jak wykonalność wzrasta z ~40% do ~90%, a także przeczytaj nowe zasady, które agent wpisał do swoich własnych instrukcji ("sprawdź godziny i czas podróży przed dodaniem przystanku"). Następnie zamień sędziego na metrykę "wygląda-kompletnie" i przyłapaj go na gorącym uczynku: zagrzebuje plan podróży w nieweryfikowane przystanki, co ujawnia się natychmiast, gdy oceniasz go pod kątem rzeczywistej wykonalności. Kluczowa lekcja: optymalizujesz to, co mierzysz, więc oceniaj trajektorię (czy rzeczywiście sprawdził?), a nie odpowiedź. Skaluje się do Vertex Gen AI Eval i dostosowania Gemmy na podstawie śladów. 🕒 Ameryki: czwartek, 20 sierpnia: 9:00 PDT 🕒 Azja-Pacyfik: piątek, 21 sierpnia: 9:30 IST