← Материалы разборы Yersham
разбор · агентытема-фронтир · H 1.50
6.0
из 10
смотреть не обязательно — забрать выжимку и пункты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал

Рекурсивная оболочка: план, критика, лимит итераций

Разбор Recursive Language Model (RLM) — агентной оболочки вокруг обычной LLM, которая рекурсивно планирует, ищет во внешних данных, критикует и уточняет ответ за пределами контекстного окна. Главный вывод: это не «думающий ИИ», а повторяемый и объяснимый пайплайн, который стоит забрать как паттерн оркестрации.

Разбор Recursive Language Model (RLM) — агентной оболочки вокруг обычной LLM, которая рекурсивно планирует, ищет во внешних данных, критикует и уточняет ответ за пределами контекстного окна. Главный вывод: это не «думающий ИИ», а повторяемый и объяснимый пайплайн, который стоит забрать как паттерн оркестрации.

что из этого моё

Прямо применимо как архитектурный шаблон для оркестрации: обернуть LLM в оркестратор с ролями планировщик/исполнитель/критик и внешним хранилищем промежуточных результатов. Для buyanov.io это готовый каркас для агентов, которые обрабатывают объёмы больше контекстного окна (анализ логов, поиск по базе знаний, аудит контента) и дают объяснимый, повторяемый результат — то, что можно показать клиенту.

Что забрать
отметь, что берёшь в работу → или отбрось как не своёмоё →
Вынести в orkestr_otbor.py фиксированный лимит итераций план → критика → переработка плана, чтобы прогон останавливался по счётчику, а не по оценке модели
Добавить в shina.py запись каждой итерации и промежуточного ответа оркестратора, чтобы прогон воспроизводился по журналу
Заменить в poisk.py поиск top-k на полный текстовый проход по всем документам корпуса для задач «найти все упоминания»
о чём говорят, по времени
главы доводят до 09:52 · дальше по ролику меток нет
01
Хайп вокруг «думающего ИИ»00:00
Автор разбирает, почему RLM называют автономно думающим ИИ и почему это не так.
02
Гибрид LLM и внешней логики02:33
Почему будущее за гибридами LLM с внешней логикой и агентными обвязками.
03
Как устроен RLM05:40
Оркестратор и три роли: планировщик, исполнитель, критик.
04
Поиск данных и цикл исполнения07:47
Почему текстовый поиск важнее RAG для задач полноты.
05
Применение и ограничения09:52
Где RLM выигрывает и в чём её слабости.
дальше в дело
Собрать это в маршрут
все маршруты →
не хочешь разбираться сам
Сделаю это под задачу
форматы и цены →
ещё разборы