ALTK-Evolve：AIエージェントのオンザジョブ学習

記事に戻る ALTK-Evolve: AIエージェントのオンザジョブラーニング Upvote 3 ![](/avatars/6cf73fe4b40d179d33e55aec0c7e5313.svg) ほとんどのAIエージェントは原則を学ぶ代わりに**トランスクリプト**を読み返すため、同じ間違いを繰り返し、学んだ教訓を新しい状況に**適用**できません。 ALTK-Evolveは生のエージェントの行動履歴を再利用可能なガイドラインへと変換します。 ベンチマークでは、このアプローチにより、特に難易度の高いタスク（AppWorldでΔ14.2%向上）やマルチステップタスクにおいて、コンテキストを肥大化させることなく信頼性が向上しました。 **「永遠のインターン」問題** すべての料理本を暗記した優秀なラインクックを想像してみてください。しかし彼らは毎朝、あなたのキッチンのことを忘れてしまいます。オーブンが高温になりやすいことや、常連客が塩を多めに好むことを覚えていません。レシピカードには従いますが、レモンが切れていると手が止まってしまいます。これがほとんどのAIエージェントの現状です。プロンプトに従うのは得意でも、あなたの環境についての知恵を蓄積するのは苦手なのです。昨日のログをプロンプトにフィードバックしても、単に履歴を読み返すだけで、そこから一般化して学ぶことはできません。 見習いシェフには「ヴィネグレット」と「カモ・ア・ロランジュ」の別々のレシピが必要です。しかしシェフは「酸味が脂っこさを中和する」という**原則**を学び、あらゆる場面で応用します。同様に、信頼できるエージェントも、経験から原則を抽出し、過去のタスクの単なる複製ではなく、新しいタスクに適用すべきです。この長期記憶サブシステムはまさにそれを行います。インタラクションの**痕跡**を候補ガイドラインに変換し、品質でフィルタリングし、行動の瞬間にのみ関連するガイダンスを注入するのです。エージェントに必要なのは**トランスクリプト**ではなく、**原則**です。 最近のMITの研究では、パイロット（試験的事業）の95%が、エージェントが適応し**オンザジョブラーニング**しないために失敗することがわかりました。ALTK-Evolveは**長期エピソード記憶**を利用してこの学習ギャップに対処し、エージェントの推論を改善します。 **解決策: ALTK-Evolveによる長期記憶** EvolveはAIエージェントのための記憶システムであり、エージェントが時間とともに改善し、過去の実行から生成されたガイドラインから学び、それを利用できるように支援します。 運用上、このシステムは継続的なループとして動作します。 **下方フロー（観察＆抽出）**: **インタラクションレイヤー**（例: Langfuseやその他の**OpenTelemetry**ベースの**オブザーバビリティツール**）で、エージェントの完全な行動履歴（ユーザー発話、思考、ツール呼び出し、結果）を捕捉します。**プラガブルな抽出器**が痕跡から構造的パターンを抽出し、候補**エンティティ**として保存します。 **上方フロー（洗練＆検索）**: バックグラウンドで動作する統合・スコアリングジョブが重複をマージし、弱いルールを刈り込み、実証済みの戦略を強化して、ガイドライン、ポリシー、**SOP**（標準作業手順）などの高品質なエンティティライブラリを進化させます。検索時には、**インタラクションレイヤー**を介して関連するアイテムのみが引き出され、**アプリケーションレイヤー**でコンテキストに注入されます。 ![](https://cdn-uploads.huggingface.co/production/uploads/6435a1131860001f144239ea/9PDbajGcnsI1nQ8NZ8LEM.png) このアプローチが機能する主な理由は以下の通りです。 1. **判断力を養う**: 一回限りのイベントを、タスクを超えて転用可能なポータブルな戦略へと変換します。 2. **ノイズを制御**: スコアリングにより、記憶を無駄がなく有用な状態に保ち、ただ増え続ける「ガラクタの引き出し」になることを防ぎます。 3. **段階的開示**: 検索はジャストインタイムで行われ、すべてをコンテキストに詰め込むことはありません。 **結果: 信頼性の向上、特に難易度の高いタスクで** このフレームワークをAppWorldで評価しました。ここではエージェントがAPIを介して現実的なマルチステップタスクを完了し、平均9.5のAPIを1.8のアプリにまたがって使用します。難しいケースでは、より複雑な制御フローが必要です。**ReActエージェント**にタスク指示と、前回の実行（トレーニング/開発）で生成された上位5つの検索ガイドラインを提供し、未見のパーティション（テスト-ノーマル）でテストしました。**シナリオ目標達成率（SGC）** を報告します。これは、バリエーション全体での成功を求める厳密な一貫性指標です。 評価から得られた主な結論は以下の通りです。 * **一般化**: エージェントは未見のテスト-ノーマルタスクで改善を見せ、レシピを暗記するのではなく原則を学習している証拠を示しています。 * **複雑性スケーリング**: タスクが難しくなるほど、エージェントは簡潔な学習済みガイドラインからより多くの利益を得て、より難しいタスクで最大の向上が見られました。ハードタスクでは成功率が74%相対的に増加し、ガイドラインが複雑な制御フローをナビゲートするのに有用であることが示されました。 * **一貫性**: SGCの向上は生の合格率改善を上回り、シナリオのバリエーション間での「不安定な」動作を減少させました。ガイドラインは単にエージェントがタスクを解決するのを助けるだけでなく、バリエーション間で**確実に**解決するのを助けるのです。 実験の詳細については、論文（https://arxiv.org/abs/2603.10600）をご覧ください。 **はじめに（導入方法の選択）** ALTK-Evolveをあなたのエージェントに統合する方法には、以下の選択肢があります。 **ノーコードで: Claude Code、Codex、IBM Bob（ライトモード）** Claude Codeにプラグインをインストールします: ``` claude plugin marketplace add AgentToolkit/altk-evolve claude plugin install evolve@evolve-marketplace ``` 以上です！このプラグインは行動履歴からエンティティを抽出し、ファイルシステム上のファイルとして保存します。自動検索にはClaude Codeのフックを利用します。 読むより見る方が好みですか？短いEvolve-Lite Claude Codeウォークスルー（動画）をご覧ください: [デモ](リンク) Claude Codeでライトモードを使用して学習する方法の例については、こちらのウォークスルーをご覧ください。 ライトモードは簡単に試せますが、制限があります。例えば、エージェントセッションをまたいだ洞察の収集や、エンティティの統合・**ガベージコレクション**は行いません。以下のローコードおよびプロコード版はこれらの制限に対処しています。 CodexおよびIBM Bobとのワンステップ統合も提供されています。ぜひお試しください！ **ローコードで: ReActエージェント** 単一の`altk_evolve.auto`を追加するだけです。 これが既存プロジェクトにどれだけ簡単に適合するかを確認するには、さまざまなフレームワーク統合を紹介するハンズオン例をご覧ください。設定と機能の詳細については、**ローコードトレーシング**のドキュメントをお読みください。 **プロコードで: CUGA** **MCP**を介してALTK-EvolveをCUGAに直接統合し、緊密でオーバーヘッドの少ない学習ループを構築しました。各実行前に、`get_guidelines`関数が…（※原文続きのコード/関数名は省略されているため、そのまま記載） `save_trajectory`関数が…（※原文続きのコード/関数名は省略されているため、そのまま記載） 視覚的なツアーが好みですか？CUGA統合ウォークスルー（動画）をご覧ください: [動画](リンク) **試して、あなたのエージェントが何を学んだか教えてください** あなたのエージェントは、毎朝何も知らないインターンとして目覚めるべきではありません。このアプローチは、**オンザジョブラーニング**を支援します。Claude Code、Codex、IBM Bobをお使いの場合は、数分で試して、エージェントがどのように改善するか確認してください。 リポジトリにスターを付けてください。他の人がプロジェクトを発見し、次に何を構築すべきかの明確な指標となります。 コード: https://github.com/AgentToolkit/altk-evolve ドキュメント: https://agenttoolkit.github.io/altk-evolve クイックスタートチュートリアル: https://agenttoolkit.github.io/altk-evolve/tutorials/ フィードバック＆アイデア: GitHubイシューを開くか、ディスカッションにご参加ください。具体的なユースケース、ベンチマーク、統合リクエストは特に歓迎します。 **デモ動画を見る** Claude Codeウォークスルー（動画）: [デモ](リンク) OpenAI Codexウォークスルー（動画）: [デモ](リンク) IBM Bobデモウォークスルー（動画）: [デモ](リンク) CUGA統合ウォークスルー: [動画](リンク) ![](https://cdn-avatars.huggingface.co/v1/production/uploads/637bfdf60dc13843b468ac20/npxapKcW-cXX3J2JBl2vY.png) ![](https://cdn-avatars.huggingface.co/v1/production/uploads/637bfdf60dc13843b468ac20/npxapKcW-cXX3J2JBl2vY.png) ![](https://cdn-avatars.huggingface.co/v1/production/uploads/637bfdf60dc13843b468ac20/npxapKcW-cXX3J2JBl2vY.png) ![](https://cdn-avatars.huggingface.co/v1/production/uploads/637bfdf60dc13843b468ac20/npxapKcW-cXX3J2JBl2vY.png) ![](https://cdn-avatars.huggingface.co/v1/production/uploads/637bfdf60dc13843b468ac20/npxapKcW-cXX3J2JBl2vY.png) ![](https://cdn-avatars.huggingface.co/v1/production/uploads/637bfdf60dc13843b468ac20/npxapKcW-cXX3J2JBl2vY.png)

ALTK-Evolve：AIエージェントのオンザジョブ学習

背景や根拠まで確認しますか？

調べる

選ぶ

サイト