管理器循环：提升AI长时程任务

很多人都在问我是怎么用Astra完成这些超长周期项目的。 Astra非常强大，但默认情况下，它在处理这么难的任务时还是有些吃力。我试了很多方法来解决这个问题，最后找到了一种我称之为“管理者循环”的方法。 这基本上是我们几年前在能力弱得多的模型上用过的一些技巧，再加上一些新想法。事实证明，把这些结合起来应用到Astra上，它处理极其困难的长周期任务的能力会大幅提升。 具体是这样运作的： 1. 启动一个代理（我称之为“管理者”）。和它聊一聊你想完成什么，让它建立一个庞大的待办清单，然后把清单分成几个阶段。 2. 管理者随后在另一个线程中生成第二个Codex代理（“执行者”）。这两个代理可以互相发消息。 3. 把管理者设为/goal模式，告诉它在/goal模式下让执行者完成每个阶段。 4. 管理者给执行者发消息：“/goal 彻底且极其出色地完成第一阶段。”执行者直到该阶段完成才会停下来，然后给管理者回消息。管理者再让它开始第二阶段。它们就这样重复，直到所有阶段都完成，完全自主运行。 我认为这之所以有效，是因为：在长周期任务中，Astra往往会趋于平稳。它比之前的模型走得远得多，但到了某个点，它朝着目标改进的速度就不如之前那么快了。它会陷入细节中，过于关注小地方，整体进展就停滞了。管理者循环迫使它分块工作，一次一个阶段。这基本上就像人类如何引导模型，只不过现在是模型在替我引导。 实际上，这就是事情的起点。我让模型写清单并分成阶段，然后我手动做管理者的工作。到了某个时候，我想：“等等，为什么我不能让另一个AI来做这件事呢？”这就是解锁完全自主性的关键，非常有用。 一个似乎很重要的措辞细节：我要求每个阶段“极其出色地”完成，而不是“完美地”。也许我想多了，但要求“完美”会让模型重新陷入细节中。“极其出色”意味着一旦足够好就可以继续前进，在我的测试中效果更好。 另一个我觉得有帮助的技巧（这个更多是直觉，但对我很有用）：让执行者建立一个简单的HTML页面，上面有完整的清单。执行者一边做一边勾选复选框并更新计数器，页面上还有一个随时间变化的已勾选数量图表。 显然，这些复选框并不都是等价的，但它迫使模型注意到诸如“我有一阵子没进展了，该继续了”这样的事。你甚至可以直接在提示中写出来，比如：“如果你在X时间内没有勾选一个框，就继续前进。”这帮助很大。 我还同时运行了96个子代理。你可以在你的Codex配置中更改这个设置（或者直接让Codex改）。 这让我在长周期性能上比任何其他尝试都好了很多。接下来几天我会分享更多内容！