💻 Проблемы локальных AI-воркфлоу в монтаже видео
Разработчик поделился опытом создания многоагентной системы для автоматического монтажа видео. В процессе работы были выявлены три ключевые проблемы: эффект «потери середины» (Lost-in-the-Middle), когда LLM игнорируют центральную часть контекста; проблема «сикофанства» (sycophancy), когда агенты-рецензенты просто соглашаются с агентами-генераторами; и неточность Whisper в определении логических границ предложений.
🌍 Кейс демонстрирует практические ограничения текущих LLM в длинных контекстах и риски использования однотипных моделей в мультиагентных системах, что ведет к коллапсу дискуссии. Это подчеркивает важность гетерогенности агентов и специализированных инструментов (Vosk вместо Whisper) для задач, требующих высокой точности временных меток.
👤 Если вы строите AI-агентов, не полагайтесь на один и тот же тип модели для генерации и проверки — они будут поддакивать друг другу. Также для задач монтажа или работы со звуком Vosk может оказаться надежнее Whisper из-за лучшей работы с границами фраз.
Источник 1: http://stefano.petrilli.xyz/building-ai-workflows/