dag-pattern-learner

Cette compétence analyse l'historique d'exécution des DAG pour identifier les modèles de flux de travail réussis et détecter les anti-modèles, en fournissant des recommandations d'optimisation. Utilisez-la lorsqu'il est demandé d'"apprendre les modèles" ou d'"optimiser sur la base de l'historique" pour améliorer les performances futures des DAG. Elle fonctionne conjointement avec les traceurs d'exécution et les constructeurs de graphes pour appliquer les enseignements tirés.

Cette compétence surveille la progression des itérations en suivant les tendances de qualité et en détectant les paliers pour recommander des points d'arrêt optimaux. Utilisez-la lorsque vous devez déterminer quand des itérations supplémentaires n'amélioreront pas les résultats de la tâche. Elle fonctionne de concert avec d'autres compétences DAG, comme le détecteur d'itérations et le synthétiseur de retours, pour une surveillance complète du flux de travail.

Cette compétence exécute des flux de travail DAG planifiés en vagues parallèles à l'aide de l'outil Tâche, en gérant le lancement simultané d'agents dans des limites de ressources définies. Elle coordonne l'exécution des tâches et les transferts entre agents pour les exécutions de flux de travail lorsqu'elle est déclenchée par des commandes comme 'execute dag' ou 'run workflow'. Utilisez-la spécifiquement pour l'exécution parallèle, et non pour la construction ou la planification de DAGs.

Cette compétence valide les structures de graphes orientés acycliques (DAG), détecte les cycles et résout l'ordonnancement des dépendances en utilisant l'algorithme de Kahn pour le tri topologique. Utilisez-la lorsque vous avez besoin de calculer une séquence d'exécution optimale ou de vérifier qu'un graphe est acyclique après sa construction. Elle fonctionne de pair avec dag-graph-builder pour la validation et avec dag-task-scheduler pour la planification de l'exécution.