En grundläggande princip för produkthantering för AI-agenter är att ta reda på vad en mycket smart person – utan något som helst initialt sammanhang – skulle behöva för att utföra uppgiften framgångsrikt. Hela spelet gör bara allt för att få precis rätt information i kontextfönstret för att säkerställa att agenten får tillgång till de mest relevanta uppgifterna och verktygen att utföra. Varje gång vi försöker ta reda på varför något fungerar eller inte fungerar för en agent, handlar det vanligtvis bara om det faktum att en människa skulle behöva helt annorlunda eller meningsfullt mer kontext för att utföra samma handling. Vanligtvis ligger då problemet någonstans i agentens användning av verktyg (som sökning), eller att inte ge agenten tillräckligt med data att arbeta med, eller ibland ge den för mycket, eller inte förklara uppgiften eller målet ordentligt, och så vidare. Det fina är att var och en av dessa frågor är hanterbara. Modellerna kommer bara att bli bättre på var och en av dessa frågor. Och du kan alltid kasta mer beräkning på problemet i vilken form det än är (mer resonemang, mer planering, mer data hämtad, etc.) - det är bara en fråga om kompromisser mellan kostnad och hastighet. Mycket intressant nytt utrymme att bygga för.