@skills: Attention is all you have
Le document propose @skills, un protocole ouvert qui découple le contenu de la compétence, la persistance et le déclenchement automatique afin d'éliminer la nécessité d'une installation permanente de prompts, permettant ainsi aux agents d'accéder dynamiquement à une vaste bibliothèque de compétences et de s'y adapter en utilisant une seule ligne de configuration.
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 enseigniez à un robot assistant super intelligent comment faire vos devoirs, corriger votre code ou écrire une histoire. Vous possédez une immense bibliothèque de « manuels d'instructions » (appelés compétences ou skills) qui lui disent exactement comment gérer des tâches spécifiques, comme « déployer un site web » ou « réviser une modification de code ». Le problème est que le robot possède une capacité d'attention très limitée qu'il peut maintenir à un instant donné. Imaginez l'attention du robot comme un petit bureau de travail. Si vous essayez de poser tous les manuels d'instructions sur ce bureau au début de la journée, le bureau devient encombré, le robot s'embrouille et il oublie les instructions les plus importantes parce qu'elles sont enterrées sous une pile de papiers dont il n'a pas besoin pour l'instant. C'est le défi central des agents IA : comment donner accès à des milliers d'outils utiles sans submerger leur minuscule espace de travail mental ?
Ce document, intitulé @skills: Attention Is All You Have, s'attaque à un casse-tête spécifique dans le monde des agents IA. Actuellement, la seule façon de donner une nouvelle compétence à un agent est de l'« installer ». Installer, c'est comme coller un post-it avec la description de la compétence sur le front du robot. Cette note reste là pour toujours, occupant une place sur son « bureau » (le prompt système) chaque fois qu'il vous parle, même si vous ne lui demandez jamais d'utiliser cette compétence. Les auteurs soutiennent que c'est un gaspillage terrible de l'attention limitée du robot. Ils proposent un nouveau protocole ouvert, @skills, qui change la donne : au lieu de coller des notes sur le front, vous pointez simplement vers le manuel quand vous en avez besoin.
Le Problème : Le Piège de la « Note Collée »
Les auteurs ont observé qu'il existe déjà plus de 56 804 compétences différentes publiées dans le monde public, mais que le système actuel est défaillant. Comme chaque compétence installée occupe un emplacement permanent dans le budget d'attention du robot, et que ce budget est minuscule (les auteurs estiment moins de 100 emplacements fiables par agent), la plupart de ces compétences ne peuvent jamais être utilisées. C'est comme avoir une bibliothèque de 56 000 livres mais n'avoir le droit d'en garder que trois sur votre table de chevet. Si vous voulez en lire un quatrième, vous devez en jeter un des trois autres.
Pire encore, le système actuel impose une approche « taille unique ». Pour utiliser une compétence, vous devez l'installer, ce qui signifie que sa description reste constamment dans l'esprit du robot. Cela entraîne trois problèmes majeurs :
- La Taxe : Chaque fois que le robot parle, il doit « payer » son attention à chaque description de compétence installée, même si elle est non pertinente. Cela gaspille de l'énergie et ralentit le raisonnement.
- La Loterie : Le robot doit deviner quelle compétence utiliser en se basant sur ces descriptions minuscules. S'il se trompe, la compétence reste silencieuse, et l'utilisateur ne sait même pas qu'elle existait.
- Le Tiroir à Bric-à-Brac : Comme l'installation est le seul moyen de conserver une compétence, les gens finissent avec un tas désordonné de compétences qu'ils ont essayées une fois et oubliées, encombrant l'esprit du robot pour toujours.
La Solution : Le Protocole du « Pointeur Magique »
Le document propose @skills, une nouvelle façon de gérer ces instructions qui sépare trois éléments qui étaient auparavant fusionnés : le contenu (les instructions), la persistance (garder une copie) et le déclenchement (le faire s'activer automatiquement).
Les auteurs introduisent un système simple à trois niveaux qui vous permet de choisir l'outil adapté à la tâche :
Niveau 1 : La Référence (Le Pointeur « Juste-à-Temps »)
C'est pour la longue traîne des compétences dont vous pourriez avoir besoin une ou deux fois. Au lieu de les installer, vous tapez simplement@skills:<chemin>quand vous en avez besoin. C'est comme demander à un bibliothécaire de sortir un livre spécifique de l'étagère uniquement quand vous le demandez. Le livre apparaît juste à côté de votre question, le robot le lit, fait le travail, puis le livre disparaît. Cela coûte zéro espace d'attention permanent. Cela permet aux plus de 56 000 compétences d'être disponibles sans encombrer le cerveau du robot.Niveau 2 : La Copie Sauvegardée (Le Dossier « Vendue » / « Vendored »)
Parfois, vous voulez garder une copie d'une compétence dans votre propre dossier de projet (comme le flux de travail spécifique d'une équipe) afin de pouvoir l'éditer et en être propriétaire. Avec @skills, vous pouvez « sauvegarder » une compétence dans le dossier.atskills/de votre projet. C'est comme photocopier une recette et la mettre dans votre propre livre de cuisine. Elle reste dans votre projet, mais elle ne s'assoit pas sur le front du robot à moins que vous ne la demandiez explicitement. Elle est là pour que vous puissiez la trouver et l'utiliser, mais elle ne gaspille pas l'attention du robot jusqu'à ce que vous en ayez besoin.Niveau 3 : La Compétence Installée (L'Exception à l'« Auto-Déclenchement »)
C'est le seul niveau qui utilise encore l'ancienne méthode de la « note collée », mais il est réservé aux essentiels qui doivent s'activer automatiquement sans que vous ne le demandiez, comme les règles de sécurité ou les vérifications de formatage. Même ici, le protocole est plus intelligent : seul le titre minuscule et la description (le « frontmatter ») restent sur le front du robot. Le reste des instructions ne se charge que lorsque le robot en a réellement besoin.
Comment cela fonctionne concrètement
Le document suggère que ce protocole transforme l'approche désordonnée du « tout installer » en un système propre basé sur les fichiers.
- Plus de boutons « Installer » : Vous n'installez pas une compétence ; vous la référencez simplement par son chemin.
- Plus de dossiers cachés : Les compétences vivent dans l'arborescence des fichiers de votre projet (comme
.atskills/), de sorte que vous pouvez les voir, les éditer et suivre les changements avec Git, tout comme du code. - Plus de problèmes de « Mise à jour » : Si vous voulez qu'une compétence reste à jour, vous la « suivez » (une ligne dans un fichier de configuration). Si vous voulez qu'elle soit la vôtre, vous la « sauvegardez » (une copie dans votre dossier).
Les auteurs ont également construit un « Hub » gratuit (un site web) pour aider les gens à trouver ces compétences, mais le protocole est conçu de telle sorte que vous n'en avez pas besoin. Vous pouvez pointer directement vers des compétences sur GitHub ou sur votre ordinateur local. Le hub est un moteur de recherche, pas un gardien.
Ce que le papier a réellement trouvé
Le document ne se contente pas de proposer une théorie ; il s'appuie sur des données du monde réel. Les auteurs ont constaté que le modèle actuel de l'« installation uniquement » est structurellement défaillant car il force chaque compétence à rivaliser pour une ressource rare (l'attention) dont elle n'a souvent pas besoin. En séparant le besoin d'avoir une compétence du besoin de se souvenir d'une compétence, le protocole @skills permet aux agents d'utiliser la longue traîne de 56 000+ compétences sans briser leur cerveau.
Les auteurs sont convaincus que cette approche résout le problème du « budget d'attention », mais ils notent que le nombre exact de créneaux d'« auto-déclenchement » fiables (la limite du Niveau 3) est une estimation basée sur les recherches existantes concernant la perte de concentration des modèles d'IA lors de conversations longues. Ils suggèrent que, tandis que le système actuel est un « tiroir à bric-à-brac » où les compétences importantes se perdent, le nouveau système à trois niveaux donne à chaque compétence une véritable place : soit dans le cloud (Niveau 1), soit dans votre projet (Niveau 2), soit comme une règle critique (Niveau 3).
En résumé, le document soutient que nous devrions arrêter de traiter les compétences d'IA comme des meubles lourds que nous devons coller au mur, et commencer à les traiter comme des livres que nous pouvons sortir de l'étagère dès que nous en avons besoin. Le résultat est un agent plus léger, plus rapide et capable d'utiliser un monde de connaissances beaucoup plus vaste sans être submergé.
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.