Enjambre de Espinas: Sistema de IA Multiagente en Lienzo Visual para Proyectos sin Programación

Spine Swarm es un sistema de IA multiagente que opera en un lienzo visual infinito diseñado para proyectos complejos que no requieren codificación. Los fundadores argumentan que las interfaces de chat son inadecuadas para trabajos complejos de IA porque son lineales, mientras que los proyectos reales no lo son. Construyeron un espacio de trabajo donde la estructura del trabajo es explícita y controlable por el usuario.

Arquitectura Central

El sistema utiliza bloques como abstracciones sobre los modelos de IA. Hay tipos de bloques dedicados para:

• Llamadas a LLM
• Generación de imágenes
• Navegación web
• Aplicaciones
• Diapositivas
• Hojas de cálculo

Los bloques pueden conectarse a cualquier otro bloque, con conexiones que garantizan el paso de contexto independientemente del tipo de bloque. El sistema es independiente del modelo, permitiendo que los flujos de trabajo se muevan entre diferentes modelos de IA dentro de un solo proyecto.

Operación de Agentes

Cuando un usuario envía una tarea, un orquestador central la descompone en subtareas y delega cada una a agentes de persona especializados. Estos agentes:

• Operan en bloques del lienzo
• Pueden anular configuraciones predeterminadas (modelo y prompt) para cada subtarea
• Seleccionan el mejor modelo para cada bloque
• A veces ejecutan el mismo bloque con múltiples modelos para comparar salidas
• Trabajan en paralelo cuando las subtareas no tienen dependencias

Los agentes pueden pausar la ejecución para pedir aclaraciones o retroalimentación del usuario antes de continuar. Una vez que los agentes producen salida, los usuarios pueden seleccionar un subconjunto de bloques e iterar sobre ellos mediante chat sin volver a ejecutar todo el flujo de trabajo.

Ventajas Técnicas

El lienzo proporciona a los agentes una representación persistente y estructurada de todo el proyecto que cualquier agente puede leer y contribuir en cualquier momento. Esto aborda los problemas de degradación de contexto en sistemas multiagente típicos mediante:

• Almacenar resultados intermedios en bloques en lugar de mantener todo en memoria
• Crear transferencias estructuradas explícitas diseñadas para ser consumidas por otros agentes
• Permitir que los agentes funcionen más tiempo manteniendo limpios los contextos de ventana

Los usuarios pueden enviar múltiples tareas a la vez, y el sistema encolará las dependientes o iniciará las independientes inmediatamente.