Пример сложной ИИ задачи (скрин) и варианта ее решения (мой текст ниже)
Вытащил это из комментариев, думаю будет ценно
———————
Тут за один проход не получится, нужно строить пайплайн - цепочки последовательных действий, где шаг за шагом агент будет обрабатывать по одному документу, резюмировать, вычленять главное, складывать. Потребуется несколько ИИ моделей:
- Одна оркестратор, направляет основную работу, она же мозг финансовой аналитики (тут подойдет GPT)
- Другая ИИ читает текст и саммаризирует, строго выделяя факты, цифры и тд, возможно складывает в таблицу (тут Gemini будет дешевле и лучше)
- Третья делает исследования на основе выводов оркестратора (Parallel/GPT DeepResearch - это ТОПы, чуть проще Gemini research и Perplexity)
То есть для получения качественного итога для оркестратора надо подготовить json файл или таблицу с кучей данных, тенденций, ключевых смыслов, чтобы влезло в половину его контекста (gpt 5-4 влезает до 1млн, в предыдущие версии пополам)
То, что вы описали:
на практике делаю каждый день в своем сервисе. У меня сотни метрик и мои агенты по инструкциям: скачивают, считают, складывают для оркестратора в один удобный документ и он уже ищет аномалии, дисбалансы, считает риски, в вашем случае - разные проблемы.
итого:
пайплай, несколько моделей, работа по слоям с переупаковкой огромных отчетов в мини концентраты ценных фактов, умная модель оценивает все и на выходе получаете одностраничное резюме (или меньше)
——
Будем честны, если отчет на 100 страниц и это каждый день, то часто это "вода" сделанная таким же ИИ агентом, я эту тему уже проходил, значение имеют цифры и факты, а не рассуждения на 100 страниц.
Вытащил это из комментариев, думаю будет ценно
———————
Тут за один проход не получится, нужно строить пайплайн - цепочки последовательных действий, где шаг за шагом агент будет обрабатывать по одному документу, резюмировать, вычленять главное, складывать. Потребуется несколько ИИ моделей:
- Одна оркестратор, направляет основную работу, она же мозг финансовой аналитики (тут подойдет GPT)
- Другая ИИ читает текст и саммаризирует, строго выделяя факты, цифры и тд, возможно складывает в таблицу (тут Gemini будет дешевле и лучше)
- Третья делает исследования на основе выводов оркестратора (Parallel/GPT DeepResearch - это ТОПы, чуть проще Gemini research и Perplexity)
То есть для получения качественного итога для оркестратора надо подготовить json файл или таблицу с кучей данных, тенденций, ключевых смыслов, чтобы влезло в половину его контекста (gpt 5-4 влезает до 1млн, в предыдущие версии пополам)
То, что вы описали:
"анализ одновременно большего количества одних и тех же документов на поиск разных проблем."
на практике делаю каждый день в своем сервисе. У меня сотни метрик и мои агенты по инструкциям: скачивают, считают, складывают для оркестратора в один удобный документ и он уже ищет аномалии, дисбалансы, считает риски, в вашем случае - разные проблемы.
итого:
пайплай, несколько моделей, работа по слоям с переупаковкой огромных отчетов в мини концентраты ценных фактов, умная модель оценивает все и на выходе получаете одностраничное резюме (или меньше)
——
Будем честны, если отчет на 100 страниц и это каждый день, то часто это "вода" сделанная таким же ИИ агентом, я эту тему уже проходил, значение имеют цифры и факты, а не рассуждения на 100 страниц.