Az ügynök befejez egy feladatot, a felhasználó pedig még kijavít néhány lépést a felületen. Ha csak az ügynök naplója marad meg, éppen ez a javítás hiányozhat a következő fejlesztéshez. A CopilotKit október 13-án bemutatott CLiF rendszere az ember és az ügynök tevékenységét együtt használná fel az ismétlődő munkák megtanításához.
A CLiF a Continual Learning from Full-Stack Trajectories rövidítése. Az AG-UI protokollon keresztül közös eseménysorba gyűjti az ügynök futásait, eszközhívásait és állapotváltozásait, valamint a felhasználó képernyőn végzett lépéseit és az általuk indított kéréseket. Ebből keres visszatérő mintákat, majd újrahasználható utasításokat, skilleket javasol.
A lényeg az ellenőrzési pont. A javasolt SKILL.md fájlt ember vizsgálja felül és publikálja; az elemzés önmagában nem teszi élessé. A CopilotKit dokumentációja külön kiemeli, hogy a közzétett skill verziózott utasításkészlet, nem a modell automatikus újratanítása. A futások begyűjtése és a jóváhagyott skillek átadása külön bekötést igényel.
A termék érettsége sem egységes. A beszélgetésekből tanuló Automatic Learning már használható, a közvetlen felhasználói munkalépésekre épülő product trajectories viszont early access állapotú. A vállalat exportálható skilleket, értékelési eseteket és finomhangolási adatkészleteket ígér, és saját infrastruktúrán futtatható Intelligence-telepítést is kínál. Az elérhető funkciókat és feltételeket ezért a konkrét telepítésnél kell tisztázni.
Ez hasznos fejlesztői irány: ne csak azt őrizzük meg, hol hibázott az ügynök, hanem azt is, hogyan javította ki az ember. A visszatérő szokás azonban még nem feltétlenül helyes üzleti szabály. A jóváhagyásnál azt is ellenőrizni kell, hogy a javaslat egy általános eljárást vagy csak néhány felhasználó kerülőútját írja le. A CLiF-et nem teszteltük, önálló megbízhatósági javulást nem állítunk.
Források: CopilotKit – a CLiF október 13-i bejelentése; CopilotKit – Automatic Learning és emberi felülvizsgálat; CopilotKit – aktuális hozzáférési állapot.