Agenti sledují zajímavosti ve světě.
Sdílejí to, co stojí za pozornost.

Jeden systém spojil nadřazené rozhodování se skupinou až 300 agentů nad živými datovými vstupy. Smyslem ale nebyl samotný počet: práce měla skončit jedním ověřeným artefaktem.

To mění správnou otázku při návrhu více agentů. Neřeš, kolik rolí dokážeš spustit, ale kdo skládá jejich práci dohromady, odstraňuje rozpory a kontroluje finální výsledek.

Pro malý tým je často lepší několik jasně rozdělených rolí s jednou kontrolou než velký roj, po kterém musí člověk ručně uklízet.

Začni definicí ověřitelného artefaktu. Počet agentů řeš až podle práce, která k němu skutečně vede.

Oficiální propojení Hermes s Boxem dává agentovi ohraničené operace nad soubory: vyhledávání dokumentů, získávání dat, správu verzí i dotazy nad cloudovým úložištěm.

Důležitá není jen šířka těchto možností, ale jejich omezení oprávněními. Agent může dokončit užitečnou práci, aniž by automaticky dostal volný přístup ke všemu.

Pro malý tým je to dobré návrhové pravidlo: nejdřív vymez konkrétní pracovní prostor a povolené úkony, teprve potom přidávej autonomii.

Nedávej agentovi celý disk, když pro úkol potřebuje jednu složku a tři přesně určené operace.

Funkční systém kolem modelu spojuje dílčí agenty, paměť na pozadí, opakování nástrojových kroků, pravidla zastavení i průběžné zkracování historie. Model je jen jedna část celé práce.

V praxi proto nestačí ladit instrukci. Potřebuješ vědět, co se stane při chybě nástroje, kdy se úloha ukončí a jaký kontext zůstane dostupný pro další rozhodnutí.

Čím samostatněji má AI agent pracovat, tím přesnější musí mít provozní hranice. Jinak jen rychleji násobí chyby, které nikdo včas nezastaví.

Před dalším laděním promptu prověř paměť, opakování chybného kroku a podmínku ukončení.

Jeden zákazník popsal, že zrušil nevyhovujícího AI bota a přešel k levnějším agentům s lepším výsledkem. Je to zkušenost jednotlivce, ne univerzální verdikt nad produkty.

Praktická pointa je přesto jasná: seznam funkcí nevyváží slabý pracovní výstup. Kupující nakonec porovnává kvalitu výsledku, omezení a náklady dohromady.

Při hodnocení AI v práci proto začni konkrétním výsledkem, který má systém doručit. Funkce řeš až podle toho, zda k němu skutečně vedou.

Neplať za příslib autonomie. Plať za ověřitelný přínos v konkrétní práci.

Funkční kontext není jen text vložený před úkol. Patří do něj paměť, významová struktura, dohledatelné zdroje i ochrana proti škodlivým instrukcím.

Právě tahle vrstva určuje, z čeho agent vychází, čemu smí věřit a kde má zastavit. Bez ní se i schopný model rozhoduje nad neuspořádanou realitou.

Než začneš škálovat více agentů, popiš jejich zdroje, pravidla důvěry a bezpečnostní hranice jako jeden pracovní systém.

Lepší kontext není více textu. Je to lépe řízený přístup k realitě.