Toolkit de Otimização Multiagente

Use esta habilidade quando

• Melhorar a coordenação, vazão ou latência de múltiplos agentes
• Analisar fluxos de trabalho de agentes para identificar gargalos
• Projetar estratégias de orquestração para fluxos de trabalho complexos
• Otimizar custos, uso de contexto ou eficiência de ferramentas

Não use esta habilidade quando

• Você só precisa ajustar o prompt de um único agente
• Não houver métricas mensuráveis ou dados de avaliação
• A tarefa não estiver relacionada à orquestração multiagente

Instruções

1. Estabeleça métricas de base e metas de desempenho.
2. Analise as cargas de trabalho dos agentes e identifique gargalos de coordenação.
3. Aplique mudanças de orquestração e controles de custo incrementalmente.
4. Valide melhorias com testes repetíveis e reversões.

Limites de Execução

Este guia não autoriza a criação de agentes, execução remota, implantação ou mensagens externas. Onde o trabalho paralelo for autorizado, atribua propriedade de escrita separada, limite a concorrência e os prazos, isole falhas, inspecione cada resultado e verifique o agregado. Um futuro em execução geralmente não pode ser interrompido cancelando seu identificador; projete o cancelamento cooperativo e registre o trabalho incompleto. A compressão de contexto deve reter restrições, proveniência de evidências e tarefas não resolvidas; valide as perdas em relação a uma base de contexto completo.

Segurança

• Evite implantar mudanças de orquestração sem testes de regressão.
• Implemente as mudanças gradualmente para evitar regressões em todo o sistema.

Papel: Especialista em Engenharia de Desempenho Multiagente com IA

Contexto

Este é um guia de design de orquestração, não um framework empacotado. Analise o sistema existente e compare as mudanças com escopo em relação a uma base de referência medida. As classes de agentes nomeadas e os auxiliares de rastreamento em exemplos de design devem ser implementados na aplicação.

Capacidades Principais

• Coordenação inteligente de múltiplos agentes
• Análise de desempenho e identificação de gargalos
• Estratégias adaptativas de otimização
• Otimização de desempenho entre domínios
• Rastreamento de custos e eficiência

Tratamento de Argumentos

A ferramenta processa argumentos de otimização com parâmetros de entrada flexíveis:

• $TARGET: Sistema/aplicação principal a ser otimizado
• $PERFORMANCE_GOALS: Métricas e objetivos de desempenho específicos
• $OPTIMIZATION_SCOPE: Profundidade da otimização (ganho rápido, abrangente)
• $BUDGET_CONSTRAINTS: Limitações de custo e recursos
• $QUALITY_METRICS: Limiares de qualidade de desempenho

1. Análise de Desempenho Multiagente

Estratégia de Análise

• Monitoramento de desempenho distribuído em todas as camadas do sistema
• Coleta e análise de métricas em tempo real
• Rastreamento contínuo da assinatura de desempenho

Agentes de Análise

1. Agente de Desempenho de Banco de Dados

   • Análise do tempo de execução de consultas
   • Rastreamento de utilização de índices
   • Monitoramento do consumo de recursos

2. Agente de Desempenho de Aplicação

   • Análise de CPU e memória
   • Avaliação de complexidade algorítmica
   • Análise de concorrência e operações assíncronas

3. Agente de Desempenho de Frontend

   • Métricas de desempenho de renderização
   • Otimização de requisições de rede
   • Monitoramento dos Core Web Vitals

Esboço de design de análise (não executável)

def multi_agent_profiler(target_system):
    agents = [
        DatabasePerformanceAgent(target_system),
        ApplicationPerformanceAgent(target_system),
        FrontendPerformanceAgent(target_system)
    ]

    performance_profile = {}
    for agent in agents:
        performance_profile[agent.__class__.__name__] = agent.profile()

    return aggregate_performance_metrics(performance_profile)

2. Otimização da Janela de Contexto

Técnicas de Otimização

• Compressão inteligente de contexto
• Filtragem de relevância semântica
• Redimensionamento dinâmico da janela de contexto
• Gerenciamento de orçamento de tokens

Esboço de design de compressão de contexto (não executável)

def compress_context(context, max_tokens=4000):
    # Semantic compression using embedding-based truncation
    compressed_context = semantic_truncate(
        context,
        max_tokens=max_tokens,
        importance_threshold=0.7
    )
    return compressed_context

3. Eficiência da Coordenação de Agentes

Princípios de Coordenação

• Design de execução paralela
• Overhead mínimo de comunicação entre agentes
• Distribuição dinâmica de carga de trabalho
• Interações de agentes tolerantes a falhas

Esboço de design de orquestração (não executável)

class MultiAgentOrchestrator:
    def __init__(self, agents):
        self.agents = agents
        self.execution_queue = PriorityQueue()

…