dag-pattern-learner

Diese Fähigkeit überwacht den Iterationsfortschritt, indem sie Qualitätstrends verfolgt und Plateaus erkennt, um optimale Abbruchpunkte zu empfehlen. Nutzen Sie sie, wenn Sie bestimmen müssen, wann weitere Iterationen die Aufgabenresultate nicht mehr verbessern. Sie ergänzt andere DAG-Fähigkeiten wie den Iterationsdetektor und den Feedback-Synthesizer für eine umfassende Workflow-Überwachung.

Diese Fähigkeit führt geplante DAG-Workflows in parallelen Wellen unter Verwendung des Task-Tools aus und verwaltet die gleichzeitige Erzeugung von Agenten innerhalb gesetzter Ressourcengrenzen. Sie koordiniert die Aufgabenausführung und Agentenübergaben für Workflow-Läufe, wenn sie durch Befehle wie 'execute dag' oder 'run workflow' ausgelöst wird. Verwenden Sie dies speziell für die parallele Ausführung, nicht zum Erstellen oder Planen von DAGs.

Diese Fähigkeit validiert DAG-Strukturen, erkennt Zyklen und löst die Abhängigkeitsreihenfolge mithilfe des Kahn-Algorithmus für topologisches Sortieren. Verwenden Sie sie, wenn Sie eine optimale Ausführungssequenz berechnen oder nach der Konstruktion überprüfen müssen, ob ein Graph azyklisch ist. Sie ergänzt sich mit dag-graph-builder für die Validierung und dag-task-scheduler für die Ausführungsplanung.

Die dag-confidence-scorer-Fähigkeit weist Agenten-Ausgaben kalibrierte Konfidenzschätzungen zu, indem sie Faktoren wie Quellenqualität, Konsistenz und Tiefe der Argumentation analysiert. Verwenden Sie sie, wenn Sie die Zuverlässigkeit von Ausgaben über Trigger wie "Konfidenzwert" oder "wie sicher" bewerten müssen. Sie ist dafür konzipiert, sich mit anderen DAG-Fähigkeiten zur Qualitätskontrolle zu kombinieren, nicht zur Validierung oder Halluzinationserkennung.