Jedna chybějící funkce může z experimentu udělat finanční průšvih. Podle vývojáře Simona Willisona, který o tom píše na svém blogu z 3. října 2026, bude svět v příštích měsících a letech potřebovat mnohem víc výchozích pevných rozpočtových limitů.
Příprava vstupů, spouštění několika modelů a porovnání výsledků zabere v biologii spoustu ruční práce. NVIDIA na vývojářském blogu popisuje, jak ji zvládá agent v prostředí Claude Science.
Claude Desktop běžící na Amazon Bedrock umí odpovídat jen z toho, co se naučil při trénování. Podle AWS si proto nedokáže sám zjistit nové aktualizace dokumentace, živé ceny ani počasí.
Agent, který volá nástroje, v jádru není nic magického: je to cyklus. Podle návodu OpenRouteru smyčka znovu a znovu posílá modelu konverzaci i seznam dostupných nástrojů, provádí volání, která si model vyžádal, přidává výsledky do historie a ptá se, co dál.
Tým AWS Machine Learning Blog v technickém návodu předvádí, jak postavit konverzačního asistenta pro pojistná plnění nad službou Amazon Bedrock Knowledge Bases. Asistent odpovídá na dotazy v přirozeném jazyce a ke každé odpovědi přikládá citace.
Měřit produktivitu programátorů podle počtu řádků kódu se běžně považuje za nesmysl a Willison sám říká, že to mnoho lidí tvrdí. Přesto rozvíjí argument, že u kódovacích agentů takové počítání někdy smysl má.
Agent, který má volat nástroje, může selhat nenápadně. Vybere špatný nástroj, nebo vybere správný a předá mu chybné argumenty.
Většina práce AI agentů není hluboké přemýšlení. Jsou to desítky drobných kroků: vybrat nástroj, sestavit argumenty, zkontrolovat výsledek, upravit soubor nebo rozhodnout, co dál.
Blog AWS popisuje, jak použít Amazon S3 Vectors jako vrstvu trvalé paměti v NVIDIA NeMo Agent Toolkitu (NAT), který běží na Amazon EKS. Podle autorů tak provozní tým získá plnou kontrolu nad provozem.
Zeptat se v chatu, které smlouvy porušují pravidla, je snadné. Obtížnější je doložit, že odpověď zahrnuje opravdu všechny smlouvy.
