Spine Swarm : Système d'IA Multi-Agents sur Toile Visuelle pour Projets Non-Codés

Spine Swarm est un système d'IA multi-agents qui opère sur un canevas visuel infini conçu pour des projets complexes non liés au codage. Les fondateurs soutiennent que les interfaces de chat sont inadéquates pour un travail d'IA complexe car elles sont linéaires, alors que les projets réels ne le sont pas. Ils ont construit un espace de travail où la structure du travail est explicite et contrôlable par l'utilisateur.

Architecture de base

Le système utilise des blocs comme abstractions au-dessus des modèles d'IA. Il existe des types de blocs dédiés pour :

• Les appels LLM
• La génération d'images
• La navigation web
• Les applications
• Les diapositives
• Les feuilles de calcul

Les blocs peuvent être connectés à n'importe quel autre bloc, les connexions garantissant la transmission du contexte quel que soit le type de bloc. Le système est indépendant des modèles, permettant aux flux de travail de passer d'un modèle d'IA à un autre au sein d'un même projet.

Fonctionnement des agents

Lorsqu'un utilisateur soumet une tâche, un orchestrateur central la décompose en sous-tâches et délègue chacune à des agents spécialisés selon leur persona. Ces agents :

• Opèrent sur les blocs du canevas
• Peuvent remplacer les paramètres par défaut (modèle et prompt) pour chaque sous-tâche
• Choisissent le meilleur modèle pour chaque bloc
• Exécutent parfois le même bloc avec plusieurs modèles pour comparer les résultats
• Travaillent en parallèle lorsque les sous-tâches n'ont pas de dépendances

Les agents peuvent interrompre l'exécution pour demander des clarifications ou des retours à l'utilisateur avant de continuer. Une fois que les agents produisent un résultat, les utilisateurs peuvent sélectionner un sous-ensemble de blocs et itérer dessus via le chat sans avoir à relancer l'intégralité du flux de travail.

Avantages techniques

Le canevas fournit aux agents une représentation persistante et structurée de l'ensemble du projet, que tout agent peut lire et à laquelle il peut contribuer à tout moment. Cela résout les problèmes de dégradation du contexte dans les systèmes multi-agents typiques en :

• Stockant les résultats intermédiaires dans des blocs plutôt que de tout garder en mémoire
• Créant des transferts structurés explicites conçus pour être consommés par d'autres agents
• Permettant aux agents de fonctionner plus longtemps tout en gardant les fenêtres de contexte propres

Les utilisateurs peuvent lancer plusieurs tâches à la fois, et le système mettra en file d'attente celles qui sont dépendantes ou démarrera immédiatement celles qui sont indépendantes.