@aoyumgub6tw: センター:原田清花

あお@『🫧🐈‍⬛』
あお@『🫧🐈‍⬛』
Open In TikTok:
Region: JP
Saturday 29 August 2026 07:59:29 GMT
729
36
1
4

Music

Download

Comments

user9483536619003
天パのTAKE :
メメメΣ(●´д`●)メチャカワァー🥰🥰🥰
2026-08-29 08:31:41
3
To see more videos from user @aoyumgub6tw, please go to the Tikwm homepage.

Other Videos

Parece um pouco confuso, né? Mas fica tranquilo, é mais simples (e poderoso) do que parece. Basicamente o que a Anthropic fez foi introduzir uma forma para que você, ao invés de ter que criar um prompt gigantesco contendo todas as informações que ele irá precisar de uma só vez (o que é caro e pode levar a alucinações), você quebre as habilidades dele em arquivos separados, que só seriam carregado quando o agente percebesse que precisa daquele conhecimento. É simples e muito efetivo. Na prática, essa forma de trabalho te permitiria construir prompts virtualmente infinitos... e, quem sabe, até acabar com os sistemas multi agentes? Mas e se você não usa o Claude ou os frameworks da Anthropic para criar agentes, como aproveitar isso em outros frameworks como Langchain, Agno ou até em ferramentas no code (como n8n)? O procedimento é bem simples. Crie ferramentas customizadas para seu agente que retorna apenas o trecho de prompt que o ensinará aquela habilidade e diga-o para chamar aquela função quando julgar que precisa daquilo. Por exemplo: há alguns meses atrás eu criei um agente para me ajudar a criar conteúdo aqui para minhas redes sociais (este projeto inclusive foi todo explicado, passo a passo, na formação Engenheiro de Agentes de IA, da Asimov). E cada tipo de post que o agente cria é uma nova habilidade: como criar bons shorts, vídeos longos, roteiro para anúncios, fazer pesquisas de assuntos no hype... Antes, o prompt do agente possuia 8.760 tokens... Agora, quebrei cada habilidade dessa em uma função específica que só será utilizada quando o agente quando ele for requisitado especificamente. O prompt base dele caiu mais de 70%.  Se você possui outra estratégia superior, compartilha comigo aí!
Parece um pouco confuso, né? Mas fica tranquilo, é mais simples (e poderoso) do que parece. Basicamente o que a Anthropic fez foi introduzir uma forma para que você, ao invés de ter que criar um prompt gigantesco contendo todas as informações que ele irá precisar de uma só vez (o que é caro e pode levar a alucinações), você quebre as habilidades dele em arquivos separados, que só seriam carregado quando o agente percebesse que precisa daquele conhecimento. É simples e muito efetivo. Na prática, essa forma de trabalho te permitiria construir prompts virtualmente infinitos... e, quem sabe, até acabar com os sistemas multi agentes? Mas e se você não usa o Claude ou os frameworks da Anthropic para criar agentes, como aproveitar isso em outros frameworks como Langchain, Agno ou até em ferramentas no code (como n8n)? O procedimento é bem simples. Crie ferramentas customizadas para seu agente que retorna apenas o trecho de prompt que o ensinará aquela habilidade e diga-o para chamar aquela função quando julgar que precisa daquilo. Por exemplo: há alguns meses atrás eu criei um agente para me ajudar a criar conteúdo aqui para minhas redes sociais (este projeto inclusive foi todo explicado, passo a passo, na formação Engenheiro de Agentes de IA, da Asimov). E cada tipo de post que o agente cria é uma nova habilidade: como criar bons shorts, vídeos longos, roteiro para anúncios, fazer pesquisas de assuntos no hype... Antes, o prompt do agente possuia 8.760 tokens... Agora, quebrei cada habilidade dessa em uma função específica que só será utilizada quando o agente quando ele for requisitado especificamente. O prompt base dele caiu mais de 70%. Se você possui outra estratégia superior, compartilha comigo aí!

About