A Language for Describing Agentic LLM Contexts
Ce document présente le Langage de Description de Contexte Agentique (ACDL), un langage formel standardisé et un outil de visualisation conçus pour décrire et communiquer avec précision la structure, la dynamique et l'évolution des contextes d'entrée dans les systèmes d'IA générative à base de modèles de langage autonomes, répondant ainsi au manque actuel d'une norme unifiée pour l'ingénierie des contextes.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayez d'enseigner à un robot très intelligent, mais légèrement oublieux, comment jouer à un jeu complexe ou résoudre un problème difficile. Vous ne pouvez pas lui donner une seule instruction et partir. Au lieu de cela, vous devez avoir une longue conversation avec lui, étape par étape.
À chaque étape, vous devez rappeler au robot : « Voici ce que nous faisons, voici ce qui s'est passé la dernière fois, voici ce que vous venez de dire, et voici ce que vous devez faire ensuite. » Cet ensemble de rappels et d'instructions est appelé le « contexte ».
Le problème, selon ce document, est que les ingénieurs et les chercheurs sont actuellement très mauvais pour expliquer comment ils construisent ces conversations. Ils le décrivent en utilisant des phrases vagues comme « nous conservons l'historique » ou « nous ajoutons les résultats des outils », ou ils montrent des croquis manuscrits désordonnés. Cela rend difficile de savoir exactement pourquoi un robot fonctionne mieux qu'un autre, ou comment reproduire la configuration réussie de quelqu'un d'autre.
La Solution : ACDL (Le « Plan » pour les Conversations de Robots)
Les auteurs introduisent un nouveau langage appelé ACDL (Agentic Context Description Language). Considérez ACDL comme un plan architectural standardisé pour ces conversations de robots.
Voici comment cela fonctionne, en utilisant quelques analogies quotidiennes :
1. La « Recette » vs La « Cuisine »
Imaginez que vous voulez faire un gâteau.
- L'Ingénierie de Prompt consiste à décider exactement combien de sucre utiliser ou s'il faut dire « mélanger doucement » ou « remuer lentement ».
- L'Ingénierie de Contexte (que ACDL décrit) est la structure de la recette : « D'abord, listez les ingrédients. Ensuite, montrez le saladier. Puis, montrez les instructions du four. Si le gâteau est brûlé, ajoutez une nouvelle étape ; s'il est bien, sautez-la. »
ACDL ne se soucie pas des mots exacts (la quantité de sucre) ; il se soucie de la structure de la recette. Il cartographie : « À l'Étape 1, montrez les règles au robot. À l'Étape 2, montrez au robot ce qu'il a fait la dernière fois. À l'Étape 3, montrez au robot la nouvelle question. »
2. Le « Journal Voyageant dans le Temps »
Le document explique que ces conversations de robots se déroulent dans le temps. ACDL agit comme un journal voyageant dans le temps.
- Il utilise une horloge spéciale (comme
@T) pour marquer exactement à quelle étape vous vous trouvez. - Il peut dire : « À l'étape 5, regardez en arrière ce que le robot a dit à l'étape 2. »
- Il peut dire : « Si le robot a fait une erreur, insérez un message de « correction » ici ; sinon, passez simplement à la suite. »
Cela permet à n'importe qui de voir exactement comment la conversation change d'un moment à l'autre, sans avoir à lire des milliers de lignes de code informatique.
3. La « Carte Visuelle »
L'une des fonctionnalités les plus cool de ACDL est qu'il transforme ces descriptions textuelles en diagrammes visuels.
- Imaginez regarder une carte de métro. Vous pouvez instantanément voir la différence entre une ligne qui va droit à la station et une ligne qui fait trois fois le tour.
- Les diagrammes ACDL permettent aux chercheurs de voir instantanément la différence entre deux systèmes de robots. L'un pourrait manquer un bloc « mémoire » crucial, ou un autre pourrait répéter la même instruction trop de fois. Sans cette carte visuelle, repérer ces différences revient à essayer de trouver une faute de frappe dans un roman de 50 pages en plissant les yeux sur le texte.
Pourquoi cela compte-t-il ?
Les auteurs ont testé cela en prenant trois versions différentes d'une configuration de robot populaire (appelée « ReAct », qui est comme un robot qui réfléchit, agit, puis observe le résultat).
- Sans ACDL : Vous devriez lire des paragraphes de texte pour réaliser qu'une version oublie de montrer au robot son propre « processus de réflexion » dans l'historique, tandis qu'une autre version le fait.
- Avec ACDL : Vous regardez le diagramme, et vous voyez immédiatement un bloc manquant dans la première version.
Le document affirme qu'en utilisant ce langage standard de « plan » :
- Les équipes peuvent mieux communiquer : Les ingénieurs peuvent pointer un bloc spécifique du diagramme et dire « Changez ceci », sans confusion.
- La science s'améliore : Les chercheurs peuvent comparer équitablement différents systèmes de robots car ils regardent les mêmes diagrammes clairs, et non des descriptions vagues.
- Les robots peuvent le lire : Les auteurs mentionnent même qu'ils ont testé la lecture de ces plans ACDL par une IA (Claude Code) et la construction réussie des boucles de robots décrites dans ceux-ci.
Ce que ACDL N'EST PAS
Il est important de noter ce que ce langage n'est pas :
- Ce n'est pas un langage de programmation pour faire fonctionner le robot. Vous ne pouvez pas « exécuter » un fichier ACDL pour faire réfléchir un robot. C'est simplement une description de la façon dont le robot réfléchit.
- Ce n'est pas à propos des mots spécifiques que vous utilisez (comme « Soyez poli, s'il vous plaît »). Il s'agit de l'ordre et de la structure de l'information.
L'Essentiel
Le document soutient que tout comme les architectes ont besoin de plans pour construire des bâtiments cohérents et sûrs, et que les informaticiens ont besoin de diagrammes pour construire des logiciels cohérents et fiables, le monde des agents d'IA a besoin d'une méthode standard pour dessiner leurs « conversations ». ACDL est cet nouvel outil de dessin, transformant des idées vagues en plans clairs, comparables et précis pour la façon dont les agents d'IA interagissent avec le monde.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.