ERA

CARE

RTF

CREATE

Поєднання локальної та хмарної бази даних

Поєднання векторного (Dense) пошуку та пошуку за ключовими словами (Sparse, BM25)

Поєднання декількох LLM в одній системі

Поєднання текстової та графічної інформації

Plan → Code → Test

Input → Process → Output

Read → Analyze → Respond

Thought → Action → Observation

Якість пам'яті між паралельними викликами

Як часто агент відновлюється після збою API

Швидкість роботи інструментів агента

Скільки токенів витрачено на одну сесію

LLM-ядро, Планування, Пам'ять, Інструменти

Frontend, Backend, Database, Cache

Input, Processing, Output, Database

Prompt, Temperature, Model, API

Frequency Penalty

Top-P

Presence Penalty

Temperature

Помилку моделі при машинному перекладі

Втрату з'єднання з API під час тривалого запиту

Зникнення токенів при паралельних запитах

Тенденцію моделей краще запам'ятовувати початок і кінець промпту, ніж середину

Модель занадто велика

Агент відповідає з пам'яті та ігнорує доступні інструменти

Інструменти зламані

Агент «панікує» і викликає все підряд

Self-bias — модель завищує оцінки роботі своєї сімʼї приблизно на 5–7%

Судити моделями взагалі неможливо

Один виклик коштує занадто дорого

Судді цієї сімʼї недоступні через API

Створення ланцюжка змінних у коді

Об'єднання кількох промптів в один великий запит

Спонукання моделі до покрокового міркування перед фінальною відповіддю

Послідовне використання декількох різних моделей