Glossário
73 termos de “Colaboração Multiagente”. Passe o cursor sobre a primeira ocorrência na lição para ver a definição.
| Termo | Definição | Fonte |
|---|---|---|
| poluição de contexto | Um erro ou fragmento irrelevante captado no início de uma tarefa se mistura ao único contexto do qual todo o raciocínio posterior depende, e informações corretas posteriores têm dificuldade de lavá-lo por completo. | Effective context engineering for AI agents (Anthropic Engineering) |
| diluição de atenção | Quanto mais conteúdo empacotado em uma janela de contexto, menos atenção o modelo pode dar a qualquer parte dele, então ele escorrega ou deixa coisas de fora em tarefas que precisam manter muitos detalhes com precisão ao mesmo tempo. | Effective context engineering for AI agents (Anthropic Engineering) |
| orçamento de atenção | O conceito da Anthropic para o pool finito de atenção que um modelo usa ao analisar grandes volumes de contexto; cada novo token esgota um pouco dele. | Effective context engineering for AI agents (Anthropic Engineering) |
| gradiente de desempenho | A descrição da Anthropic de como a degradação impulsionada pelo contexto realmente aparece: a qualidade diminui gradualmente à medida que o contexto cresce, em vez de funcionar perfeitamente até algum limiar e depois falhar abruptamente. | Effective context engineering for AI agents (Anthropic Engineering) |
| sistema multiagente | Vários agentes — LLMs usando ferramentas de forma autônoma em um loop — trabalhando juntos em uma tarefa, cada um com seu próprio contexto. | How we built our multi-agent research system (Anthropic Engineering) |
| sobrecarga de coordenação | O tempo e tokens extras gastos para fazer vários agentes dividirem o trabalho e colaborarem: dividir a tarefa, agregar resultados e reconciliar saídas contraditórias. | How we built our multi-agent research system (Anthropic Engineering) |
| paralelização | Entregar as partes genuinamente separáveis de uma tarefa — aquelas que não dependem dos resultados intermediários umas das outras — a diferentes agentes para trabalharem ao mesmo tempo. | How we built our multi-agent research system (Anthropic Engineering) |
| tarefa em profundidade | Uma tarefa cuja resposta vive em uma cadeia de raciocínio que você tem de percorrer passo a passo, com etapas fortemente acopladas que resistem a serem cortadas de forma limpa em pedaços para agentes diferentes. | How we built our multi-agent research system (Anthropic Engineering) |
| tarefa em largura | Uma tarefa cuja resposta se espalha por algumas direções relativamente independentes que podem genuinamente ser perseguidas separadamente, sem depender dos resultados intermediários umas das outras. | How we built our multi-agent research system (Anthropic Engineering) |
| janela de contexto | O intervalo de informação que um modelo pode manter em uma passagem de inferência; sistemas multiagente aliviam a poluição e a diluição ao dar a cada agente sua própria janela separada. | How we built our multi-agent research system (Anthropic Engineering) |
| sistema de agente único | Fazer a tarefa concluída de ponta a ponta com um agente, sem dividi-la ou introduzir colaboração multiagente. | Building effective agents (Anthropic Engineering) |
| regra de escala | A regra prática da Anthropic para dimensionar a contagem de agentes em relação à complexidade da tarefa: busca simples de fatos precisa de 1 agente com 3 a 10 chamadas de ferramenta, uma comparação direta 2 a 4 subagentes com 10 a 15 chamadas cada, e apenas pesquisa complexa o suficiente para dividir responsabilidades de forma limpa vai além de 10 subagentes. | How we built our multi-agent research system (Anthropic Engineering) |
| viabilidade econômica | A condição de que um sistema multiagente só vale usar quando o próprio valor da tarefa é alto o suficiente para pagar o custo extra de tokens que vem com o ganho de desempenho. | How we built our multi-agent research system (Anthropic Engineering) |
| separação de responsabilidades | O termo da Anthropic para o que os subagentes trazem: ferramentas, prompts e caminhos de exploração distintos por agente, o que reduz a dependência de caminho para que o beco sem saída de um agente não desvie os outros. | How we built our multi-agent research system (Anthropic Engineering) |
| orquestrador-subagente | Uma arquitetura onde um LLM central quebra tarefas dinamicamente, delega-as a LLMs trabalhadores e sintetiza seus resultados. | Building effective agents (Anthropic Engineering) |
| orquestrador | O agente central que decide como dividir o trabalho, quem recebe qual pedaço e como costurar vários resultados retornados em uma resposta coerente. | Building effective agents (Anthropic Engineering) |
| subagente | Um agente despachado pelo orquestrador para concluir uma tarefa delegada dentro de uma janela de contexto nova e isolada, retornando seu resultado quando termina. | Create custom subagents (Claude Code Docs) |
| isolamento de contexto | Confinar o escopo de trabalho de cada agente à sua própria janela de contexto, para que a poluição de contexto dentro de um agente não se espalhe para outro. | Create custom subagents (Claude Code Docs) |
| distribuição | O orquestrador distribuindo as subtarefas divididas em paralelo para um número correspondente de subagentes, para que todos comecem a trabalhar de uma vez em vez de fazer fila um após o outro. | Building effective agents (Anthropic Engineering) |
| agregar | A etapa após a distribuição onde o orquestrador põe vários resultados produzidos de forma independente lado a lado, compara-os, resolve duplicação ou contradição e reorganiza-os no formato do entregável final. | Create custom subagents (Claude Code Docs) |
| apenas a conclusão | O princípio de que um subagente deve entregar de volta sua conclusão final e defensável e a evidência-chave por trás dela, não toda a trilha de raciocínio com seus desvios e autocorreções. | Create custom subagents (Claude Code Docs) |
| fork | Um subagente que herda toda a conversa até então em vez de começar do zero; suas próprias chamadas de ferramenta ainda ficam fora da conversa principal e só seu resultado final volta. | Create custom subagents (Claude Code Docs) |
| padrão Manager | O nome do Agents SDK da OpenAI para a estrutura orquestrador-subagente: um gerente central invoca subagentes especializados como ferramentas e mantém o controle da conversa. | Agents (OpenAI Agents SDK) |
| quebrar | A primeira das três ações do orquestrador: olhar uma tarefa grande e descobrir em quais pedaços ela se divide. | Building effective agents (Anthropic Engineering) |
| delegar | A segunda das três ações do orquestrador: entregar cada pedaço, junto com o contexto de que precisa, a um subagente para executar. | Building effective agents (Anthropic Engineering) |
| sintetizar | A terceira das três ações do orquestrador: uma vez que os subagentes retornam seus resultados, combinar esses resultados na resposta final. | Building effective agents (Anthropic Engineering) |
| telefone sem fio | A perda de fidelidade que se acumula quando o resultado de um subagente é parafraseado e comprimido em seu caminho através do orquestrador; escrever a saída do subagente direto em um sistema de arquivos é uma maneira de evitá-la. | How we built our multi-agent research system (Anthropic Engineering) |
| autocontido | Uma propriedade de um prompt de delegação: depois de lê-lo, o subagente não precisa de nenhum contexto extra para descobrir com precisão o que deve fazer. | Create custom subagents (Claude Code Docs) |
| orientação de fontes | A parte de um prompt de delegação que diz ao subagente onde procurar a resposta — a página oficial de preços, um site terceiro de comparação ou ambos com um tendo precedência. | How we built our multi-agent research system (Anthropic Engineering) |
| limites de tarefa | A parte de um prompt de delegação que diz ao subagente que esta execução cobre apenas esta fatia e para não ir além dela. | How we built our multi-agent research system (Anthropic Engineering) |
| um domínio de problema, um agente | O princípio de que cada subagente deve ser dono de apenas uma classe de problema claramente delimitada, em vez de fazer malabarismo com várias coisas não relacionadas ao mesmo tempo. | How we built our multi-agent research system (Anthropic Engineering) |
| CitationAgent | Um subagente dedicado no sistema de produção da Anthropic que processa os documentos e o relatório de pesquisa para identificar locais específicos para citações, garantindo que as afirmações sejam devidamente atribuídas às suas fontes. | How we built our multi-agent research system (Anthropic Engineering) |
| prompt de delegação | O resumo de tarefa que o orquestrador entrega a um subagente; seu teto de qualidade define o teto de qualidade do que o subagente produz. | How we built our multi-agent research system (Anthropic Engineering) |
| instrução vaga | Um resumo como 'pesquise a escassez de semicondutores' que não fixa nenhum intervalo de tempo, ângulo, fonte ou entregável, deixando os subagentes improvisarem. | How we built our multi-agent research system (Anthropic Engineering) |
| formato de saída | A parte de um prompt de delegação que declara que formato o entregável do subagente deve ter, o que decide se o orquestrador pode usar o resultado diretamente. | How we built our multi-agent research system (Anthropic Engineering) |
| interpretar mal | A falha onde um subagente, trabalhando a partir de uma descrição de tarefa que não era detalhada o suficiente, lê o requisito errado e produz algo diferente do que o orquestrador queria. | How we built our multi-agent research system (Anthropic Engineering) |
| pipeline | Um padrão de colaboração que decompõe uma tarefa em uma sequência de etapas, onde cada chamada de LLM processa a saída da anterior. | Building effective agents (Anthropic Engineering) |
| encadeamento de prompts | O nome oficial para o padrão pipeline, enfatizando que a tarefa é decomposta em uma sequência de etapas executadas em ordem. | Building effective agents (Anthropic Engineering) |
| produtor-revisor | Um padrão de colaboração onde uma chamada de LLM gera uma resposta enquanto outra fornece avaliação e feedback em um loop, repetindo até convergir. | Building effective agents (Anthropic Engineering) |
| avaliador-otimizador | O nome oficial para o padrão produtor-revisor, enfatizando que uma chamada gera enquanto outra avalia e dá feedback. | Building effective agents (Anthropic Engineering) |
| votação multiperspectiva | Um padrão de colaboração onde vários agentes julgam o mesmo conteúdo já existente de forma independente e em paralelo, e o conteúdo é sinalizado assim que qualquer um deles encontrar um problema. | Building effective agents (Anthropic Engineering) |
| handoff | Um estilo de colaboração descentralizado onde agentes pares transferem o controle a um agente especializado que assume a conversa. | Agents (OpenAI Agents SDK) |
| Peer agents | Agentes de posição igual em uma configuração de estilo handoff, sem relacionamento superior-subordinado fixo, passando o controle diretamente entre si. | Agents (OpenAI Agents SDK) |
| decentralized | A característica definidora da colaboração estilo handoff: o controle não é mantido por um nó central o tempo todo, mas passado diretamente entre agentes pares. | Agents (OpenAI Agents SDK) |
| controle da conversa | A autoridade para dirigir o que acontece a seguir; o orquestrador a mantém por completo em orquestrador-subagente, enquanto um handoff a transfere ao agente receptor. | Agents (OpenAI Agents SDK) |
| uma única execução | O limite dentro do qual um handoff permanece — a transferência de controle vale para esta execução e não se transfere para uma execução posterior e independente. | Handoffs (OpenAI Agents SDK) |
| lacuna do confiar-e-depois-verificar | O modo de falha nomeado onde um modelo produz uma implementação de aparência plausível que não lida com casos extremos; a correção é sempre fornecer verificação, e se você não consegue verificá-la, não a entregue. | Best practices for Claude Code (Claude Code Docs) |
| padrão verificável | Um critério de verificação concreto definido para a tarefa específica, contra o qual a saída pode ser medida item por item, em vez de pontuada por impressão. | How we built our multi-agent research system (Anthropic Engineering) |
| LLM juiz | O papel no sistema de produção da Anthropic que avalia cada saída de subagente contra critérios em uma rubrica. | How we built our multi-agent research system (Anthropic Engineering) |
| precisão factual | Um dos critérios de rubrica do LLM juiz: as afirmações na saída correspondem às fontes que ela cita? | How we built our multi-agent research system (Anthropic Engineering) |
| precisão de citação | Um dos critérios de rubrica do LLM juiz: as fontes citadas realmente correspondem às afirmações às quais estão anexadas? | How we built our multi-agent research system (Anthropic Engineering) |
| qualidade de fonte | Um dos critérios de rubrica do LLM juiz: o subagente usou fontes primárias em vez de secundárias de qualidade inferior? | How we built our multi-agent research system (Anthropic Engineering) |
| trabalho duplicado | Vários subagentes cobrindo o mesmo terreno, produzindo saída fortemente sobreposta — geralmente aparecendo apenas no momento em que os resultados são agregados. | How we built our multi-agent research system (Anthropic Engineering) |
| conflito de resultados | Dois subagentes pesquisando de forma independente e retornando conclusões que se contradizem, o que não pode ser resolvido escolhendo um ao acaso ou dividindo a diferença. | How we built our multi-agent research system (Anthropic Engineering) |
| atribuição errada | O erro da etapa de integração de escrever dados que um subagente encontrou como uma conclusão sobre a fatia pela qual um subagente diferente era responsável. | How we built our multi-agent research system (Anthropic Engineering) |
| etapa de integração | A etapa de fechamento onde o orquestrador mescla conteúdo duplicado, verifica ou sinaliza conclusões contraditórias e checa que cada afirmação remonta à fonte certa. | How we built our multi-agent research system (Anthropic Engineering) |
| buscas duplicadas | A parte da integração que mescla conteúdo sobreposto entre várias saídas de subagente para que o resultado final não diga a mesma coisa duas vezes. | How we built our multi-agent research system (Anthropic Engineering) |
| resultado de revisão estruturado | Uma revisão retornada em campos fixos como `{approved, issues}` em vez de um veredito genérico em linguagem natural, para que o código downstream possa lê-la e agir sobre ela. | How we built our multi-agent research system (Anthropic Engineering) |
| MAX_ROUNDS | O teto de quantas rodadas produtor-revisor o pipeline executará, impedindo os dois agentes de polirem um para o outro para sempre. | Building effective agents (Anthropic Engineering) |
| válvula de segurança | O mecanismo que garante que um loop termina; no pipeline desta lição, `MAX_ROUNDS` desempenha esse papel. | Building effective agents (Anthropic Engineering) |
| REVIEW_CRITERIA | A lista de verificação explícita entregue ao revisor no código desta lição, listando os padrões específicos contra os quais deve verificar o rascunho um por um. | How we built our multi-agent research system (Anthropic Engineering) |
| runProducer | A função no código desta lição que gera ou revisa o rascunho; em uma reexecução ela carrega a versão anterior mais as notas de revisão para que o produtor edite em vez de recomeçar. | Using the Messages API (Claude API) |
| runReviewer | A função no código desta lição que verifica o rascunho contra `REVIEW_CRITERIA` item por item e retorna o resultado da revisão. | How we built our multi-agent research system (Anthropic Engineering) |
| parseReview | A função no código desta lição que transforma a resposta de texto do revisor em um objeto estruturado, retornando uma rejeição sempre que a análise falha ou os formatos de campo estão errados. | Best practices for Claude Code (Claude Code Docs) |
| extractJson | O auxiliar no código desta lição que remove uma cerca de bloco de código markdown da resposta do modelo, se presente, para que o JSON dentro possa ser analisado. | Structured outputs (Claude API) |
| approved | O campo booleano no resultado da revisão que diz se este rascunho passou os critérios de revisão. | Structured outputs (Claude API) |
| issues | O campo de array no resultado da revisão listando cada critério que falhou e seu problema específico; vazio quando tudo passa. | Structured outputs (Claude API) |
| parse defensivo | Escrever suas próprias verificações em torno da resposta de um modelo — remover cercas, capturar erros de análise, validar tipos de campo — em vez de confiar que ela corresponderá ao formato acordado. | Structured outputs (Claude API) |
| saídas estruturadas | O recurso oficial que restringe a resposta de um modelo a corresponder estritamente a um schema no nível de amostragem, garantindo saída válida e analisável. | Structured outputs (Claude API) |
| sem estado | A propriedade da Messages API de que cada requisição deve carregar todo o histórico de conversa de que precisa, porque a API não mantém estado entre requisições. | Using the Messages API (Claude API) |
| runPipeline | A função no código desta lição que conecta produtor, revisor e analisador em um loop limitado por `MAX_ROUNDS`, e entrega o último rascunho com issues não resolvidas se o limite for atingido. | Building effective agents (Anthropic Engineering) |
| casos extremos | Situações limítrofes ou incomuns que uma implementação deve lidar corretamente mas pode facilmente deixar passar — um valor negativo, um envio duplicado sob concorrência. | Best practices for Claude Code (Claude Code Docs) |
| MODEL | A constante no código desta lição que especifica qual modelo da Claude API chamar para produtor e revisor. | Using the Messages API (Claude API) |