• A Salesforce több mint 20 000 vállalati ügyfélnél telepített AI ügynököket az Agentforce platformján keresztül.
• A legfőbb tanulság az, hogy a munka 90%-a a bevezetés *után* kezdődik; ellentétben a hagyományos szoftverekkel, az AI ügynökök folyamatos monitorozást, finomhangolást és a felhasználói visszajelzések feldolgozását igénylik.
• A sikeres bevezetések kulcsa a szűken meghatározott, nagy üzleti értékű felhasználási esettel való indulás és az alapvető adatminőség biztosítása, mivel az AI ügynökök felerősítik a meglévő adatproblémákat.

A cikk a Salesforce tapasztalatait összegzi, amelyeket több ezer AI ügynök nagyvállalati környezetben való telepítése során szereztek. Rávilágít arra, hogy az ügynökök menedzselése alapvetően különbözik a hagyományos szoftverfejlesztéstől, és a siker nem a technológián, hanem a bevezetés utáni folyamatos gondozáson múlik.

Nem találtam publikusan elérhető háttérinformációt.

• A mappák funkcionális határok szerint vannak elválasztva, mint például `services/` (futtatókörnyezeti üzleti logika), `agents/` (orchestration), `prompts/` (verziózott prompt sablonok), és `evaluation/` (minőségmérés).
• A konfigurációt (pl. modell paraméterek, API kulcsok) YAML fájlokban (`config/`) érdemes tárolni, elkülönítve a kódtól a könnyebb menedzselhetőség érdekében.
• A bevált gyakorlatok közé tartozik a robusztus hibakezelés, az API hívások naplózása és rate limiting, a modellek klienseinek szétválasztása (pl. GPT, Claude), valamint a caching használata a költségek és a fejlesztési idő csökkentésére.

Ez a cikk egy bevált, éles (production-grade) mappastruktúrát mutat be generatív AI alkalmazásokhoz. A hangsúly a modularitáson, a karbantarthatóságon és a skálázhatóságon van, elkerülve a tipikus "minden egy scriptben" megközelítést, ami a demóknál még működik, de éles környezetben megbízhatósági problémákhoz vezet.

• Készíts egy 'folytonossági csomagot', ami tartalmazza a kulcsfontosságú promptokat, adatokat és munkafolyamatokat, hogy egy másik eszközre való átállás zökkenőmentes legyen.
• A stratégia része a rendszeres mentés (snapshotok, checkpointok), a modell paramétereinek és a munkafolyamatok állapotának verziózott tárolása.
• Fontos, hogy legyenek alternatív szolgáltatók vagy modellek azonosítva, és a rendszert úgy tervezzék, hogy a modellváltás minimális kódbeli módosítást igényeljen.

A cikk gyakorlati tanácsokat ad arra, hogyan lehet felkészülni egy kritikus fontosságú AI eszköz vagy szolgáltatás leállására. Egy ilyen esemény jelentős üzleti károkat okozhat, ezért elengedhetetlen egy üzletmenet-folytonossági terv (BCP) kidolgozása, amely minimalizálja a kiesés hatásait és biztosítja a gyors helyreállást.

Nem találtam publikusan elérhető háttérinformációt.

• A Role-Agent egy keretrendszer, ahol egyetlen LLM párhuzamosan működik mint 'ügynök' (feladat-végrehajtó) és 'környezet' (értékelő), így egyfajta önfejlesztő ciklust hozva létre.
• A modell két komponensből áll: a World-In-Agent (WIA) a környezet-tudatos gondolkodást jutalmazza, míg az Agent-In-World (AIW) a hibás végrehajtásokból tanulva cézottan javítja a képzési adatok eloszlását.
• A kutatók szerint ez a kettős szerepkörű evolúciós megközelítés hatékonyabb tanulást és jobb általánosítást tesz lehetővé komplex feladatoknál, a kísérletek során több mint 4%-os átlagos javulást értek el az erős alapmodellekhez képest.

Ez a kutatás egy új, bootstrapped (önindító) tanulási módszert mutat be LLM-alapú ügynökök számára. A Role-Agent keretrendszerben az ügynökök egyidejűleg hajtják végre a feladatokat és értékelik saját teljesítményüket, ami egy folyamatos, önfejlesztő körforgást eredményez.

Nem találtam publikusan elérhető háttérinformációt.

• A kutatók bemutatják a HiViG (History-aware Visually Grounded) keretrendszert, amely egy multimodális 'kritikus' modellt használ a GUI (grafikus felhasználói felület) ügynökök teljesítményének javítására.
• A kritikus modell a végrehajtás előtt kiértékeli az ügynök tervezett következő lépését (pl. kattintás koordinátái) az aktuális képernyőkép és a korábbi interakciók alapján, így képes megelőzni a hibákat.
• A HiViG modell jelentősen, átlagosan 5.8%-kal (Qwen-VL-32B) és 9.0%-kal (Gemini-Flash) javította a sikeres feladatvégrehajtások arányát a legerősebb alapmodellekhez képest különböző webes, mobilos és asztali tesztkörnyezetekben.

A cikk egy olyan új megközelítést ismertet, amely egy 'kritikus' segédmodell bevonásával javítja a grafikus felületeken működő AI ügynökök megbízhatóságát. Ez a modell előrejelzi és megakadályozza a hibás lépéseket, figyelembe véve a vizuális kontextust és a feladat előzményeit, így növelve a hosszú, összetett feladatok sikeres végrehajtásának esélyét.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

Nem találtam publikusan elérhető háttérinformációt.

• Az Anthropic kutatása a rekurzív önfejlesztést (RSI) vizsgálja, ahol az AI rendszerek hozzájárulnak a jövőbeli, fejlettebb AI rendszerek létrehozásához.
• A cég szerint már most is zajlik az AI-asszisztált fejlesztés, például az Anthropic mérnökei ma átlagosan nyolcszor annyi kódot szállítanak le, mint a 2021-2025 közötti időszakban, nagyrészt a Claude AI segítségével.
• Az Anthropic három lehetséges jövőbeli forgatókönyvet vázol fel: a fejlődés lelassulása, az ember által irányított, de AI által gyorsított fejlődés, és a teljesen autonóm rekurzív önfejlesztés, ami komoly kontrollvesztési kockázatokat hordoz.

Az Anthropic cikke a rekurzív önfejlesztés (RSI) koncepcióját járja körül, amelyben egy AI képes önmagát vagy utódait fejleszteni. A cikk hangsúlyozza, hogy bár a teljes autonómia még messze van, a trendek gyorsulást mutatnak, ami felveti a kontroll és a biztonság kérdéseit.

• Az Anthropic 2026 júniusában bemutatta a Claude Fable 5 és a Claude Mythos 5 modelleket, melyek ugyanazon az alaptechnológián osztoznak.
• A Claude Fable 5 a széles körben elérhető, beépített biztonsági korlátozásokkal rendelkező verzió, amely a kiberbiztonsági és biológiai témájú kérdéseket egy korábbi, Opus 4.8 nevű modellnek adja át.
• A Claude Mythos 5 a korlátozások nélküli, csúcsképességű modell, amelyet kiemelkedő kiberbiztonsági képességei miatt csak szűk, megbízható partneri kör (pl. a Project Glasswing résztvevői) érhet el.

Az Anthropic két új modellt jelentett be: a Fable 5-öt általános felhasználásra szánják, míg a Mythos 5 a cég eddigi legerősebb modellje, amelyet a benne rejlő kockázatok miatt csak korlátozottan tesznek elérhetővé. A modellek árképzése 10 dollár / millió input token és 50 dollár / millió output token.

• Az ügynökök alapja az "eszközök" (tools) definiálása az Anthropic API-n keresztül, amelyek lehetővé teszik a modell számára, hogy konkrét műveleteket hajtson végre, mint például webkeresés vagy fájlok olvasása. [6, 10]
• Komplexebb feladatokhoz gyakran alkalmazzák az "Orchestrator-Worker" architektúrát, ahol egy központi ügynök irányítja a specializált al-ügynökök munkáját. [9, 17] Az Anthropic ezt a modellt használja például a több-ügynökös kutatási rendszerében. [17]
• Az Anthropic saját eszközöket is kínál, mint a `claude-agent-sdk` vagy a fejlesztői célú Claude Code, ami már "Agent Teams" (ügynökcsapatok) létrehozását is támogatja a párhuzamos munkavégzéshez. [9, 16]

Egy Claude-alapú AI ügynök létrehozása azon a koncepción alapul, hogy a nyelvi modellt külső eszközök használatára tanítjuk meg az Anthropic API-ján keresztül, így az képes lesz autonóm módon, lépésekre bontva megoldani feladatokat. Az egyszerűbb, kódolást alig igénylő megoldásoktól a komplex, több ügynököt is magukba foglaló, professzionális rendszerekig terjed a skála.