KI SpotlightNewsLangChain stellt OpenWiki vor: kompiliertes Wiki als Gedächtnis für Agenten
Laut LangChain ist ein Agent mit OpenWiki bei mehrquelligen Fragen fünfmal genauer als einer mit reinen grep-Werkzeugen. Der Evidenzgraph senkt die Kosten pro richtiger Antwort gegenüber dem Wiki allein um 58 %. Eine unabhängige Prüfung fehlt.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- LangChain veröffentlicht OpenWiki als Memory-Schicht für Agenten mit persistentem kompiliertem Wiki.
- Laut LangChains Messung war ein OpenWiki-Agent bei Fragen über mehrere Quellen 5x genauer als grep-Agent.
- Der Evidenzgraph verdoppelte laut LangChain die Zitierkonsistenz gegenüber dem Wiki allein.
- Laut LangChains Messung stiegen Genauigkeit um 27 % und sanken Kosten pro richtiger Antwort um 58 %.
- Laut LangChain war ein Agent ohne Memory bei einfachen Lookups genauso genau und schneller.
LangChain baut ein kompiliertes Wiki als Gedächtnis für Agenten
LangChain hat OpenWiki vorgestellt, eine persistente Memory-Schicht für KI-Agenten. Das Unternehmen beschreibt sie als kompiliertes Wiki, in dem Wissen und Beziehungen über Aufgaben hinweg wiederverwendbar bleiben. Ohne eine solche Schicht, so LangChain, müsse ein Agent sein Verständnis bei jeder Frage neu aufbauen. Das sei teuer und fehleranfällig.
Den Wiki-Teil ergänzt ein Evidenzgraph. Zitate und Dokumentverweise werden darin zu expliziten Kanten. Laut LangChain kann der Agent vom Wiki aus diesen Kanten zu den stützenden Belegen folgen, statt sich allein auf die Zusammenfassung zu verlassen.
Als Zielszenario nennt der Anbieter Agenten, die mit Richtlinien, Handbüchern, Wikis, Tickets und Code einer Organisation arbeiten. Dieses Wissen liegt verstreut über Systeme und Teams. Besonders heikel sei das bei Banken und Versicherungen, wo Richtlinien einander oft ändern oder ablösen. Der Agent müsse dann klären, welche Regel gilt und was sich geändert hat.
Fünffach genauer bei mehrquelligen Fragen, 58 % weniger Kosten mit Evidenzgraph
Die Zahlen stammen aus LangChains eigener Messung. Bei Fragen über mehrere Quellen sei ein Agent mit OpenWiki als Memory-Schicht nach Angaben des Unternehmens fünfmal genauer gewesen als ein Agent, der nur grep-Werkzeuge nutzte.
Gegenüber dem reinen Wiki bringt der Evidenzgraph laut Anbieter weitere Verbesserungen. Die Konsistenz, mit der der Agent dieselben Belege zitierte, habe sich verdoppelt. Die Genauigkeit sei um 27 % gestiegen, die Kosten pro richtiger Antwort um 58 % gesunken.
Hierbei handelt es sich um Herstellerangaben zum eigenen Produkt. Eine unabhängige Bestätigung liegt nicht vor. Zu Testaufbau, Modellen und Datensätzen fehlen Angaben. Die Zahlen lassen sich deshalb weder einordnen noch nachvollziehen.
Bei einfachen Lookups bringt das Memory laut LangChain nichts
LangChain benennt selbst eine Grenze. Bei einfachen Lookups war der Agent ohne Memory genauso genau und schneller. Einen Vorteil des Memory sah LangChain dort nicht. Kompiliertes Memory empfiehlt der Anbieter daher nur für wiederholtes Schlussfolgern über mehrere Quellen.
Unabhängige Tests, die die Herstellerangaben prüfen, gibt es bislang nicht. Interessierte müssen Aufwand und Nutzen daher an den eigenen Aufgaben selbst abwägen.
