Natrag na AI agenti vodič

Oriphiel AI agenti vodič

Kontekst, tokeni i ograničenja AI agenta

Zašto agent ne smije dobiti sve podatke odjednom i kako se upravlja kontekstom, tokenima, sažimanjem i relevantnim dokumentima.

Oriphiel stručni tim Ažurirano 21. 7. 2026. 4 min čitanja

Odgovor ukratko

Agent radi samo s podacima koji su mu u trenutnom kontekstu ili koje može dohvatiti alatima. Kontekstni prozor ima limit, tokeni koštaju i previše šuma smanjuje kvalitetu odluke. Zato OpenClaw agent treba dobiti sažet CRM zapis, relevantne aktivnosti, dopuštene alate i eventualno RAG isječke, a ne cijelu bazu.

Ključne odluke

  • Kontekst treba biti selektivan i reproducibilan.
  • Dugi tekstovi se režu, sažimaju ili dohvaćaju kroz retrieval, ne ubacuju naslijepo.
  • Sustav treba znati koliko tokena troši svaki tip zadatka.
  • Sažetak memorije ne smije zamijeniti izvorne audit podatke.

Provedba korak po korak

Cilj ove lekcije je kontrolirati trošak i kvalitetu modelskog konteksta. Korake treba provoditi redom i svaki potvrditi prije širenja opsega.

Preporučeni redoslijed

  • Definirati context builder za svaki agentov zadatak.
  • Ograničiti broj zadnjih aktivnosti ili poruka koje ulaze u prompt.
  • Za dokumente koristiti chunking, embeddings i dohvat relevantnih dijelova.
  • Spremati token usage i latenciju po agent runu.

Praktičan primjer

Praktičan primjer za developere i administratore AI sustava: tim prvo provodi korak „Definirati context builder za svaki agentov zadatak.”, zatim provjerava „Potvrđena je ključna odluka: Kontekst treba biti selektivan i reproducibilan.”. Odluka o nastavku ne donosi se prema dojmu, nego prema pokazatelju „Prosječni ulazni i izlazni tokeni.”.

Kontrolna lista prije nastavka

Ova provjera odvaja završenu implementaciju od postavke koja samo izgleda dovršeno.

Provjerite

  • Potvrđena je ključna odluka: Kontekst treba biti selektivan i reproducibilan.
  • Testiran je prvi korak provedbe: Definirati context builder za svaki agentov zadatak.
  • Dogovoreno je početno mjerenje: Prosječni ulazni i izlazni tokeni.

Najčešće pogreške i rizici

Rizike treba provjeriti prije povećanja prometa, automatizacije ili ovlasti sustava.

Na što treba paziti

  • Agent dobije previše nerelevantnog teksta pa propusti važan signal.
  • Sažeci se generiraju bez veze prema izvornom dokumentu.
  • Trošak raste jer se cijeli CRM zapis šalje pri svakom koraku.
  • Kontekst sadrži podatke za koje agent nema poslovnu potrebu.

Mjerenje rezultata

Učinak se procjenjuje kroz mali skup metrika koje su povezane s ciljem lekcije i stvarnim poslovnim ishodom.

Metrike koje imaju smisla

  • Prosječni ulazni i izlazni tokeni.
  • Broj dohvaćenih RAG isječaka.
  • Latencija po context builderu.
  • Greške zbog predugog konteksta.
  • Kvaliteta odgovora nakon sažimanja.

Česta pitanja

Koji je prvi korak za temu „Kontekst, tokeni i ograničenja AI agenta”?

Definirati context builder za svaki agentov zadatak. Prije nastavka potvrdite odluku: Kontekst treba biti selektivan i reproducibilan.

Kako provjeriti da je provedba uspješna?

Potvrđena je ključna odluka: Kontekst treba biti selektivan i reproducibilan. Nakon toga pratite metriku: Prosječni ulazni i izlazni tokeni..

Koju pogrešku treba prvo spriječiti?

Agent dobije previše nerelevantnog teksta pa propusti važan signal. Problem ispravite prije automatizacije ili povećanja budžeta.

Službeni i stručni izvori

Sučelja, pravila i preporuke mogu se mijenjati. Prije produkcijske izmjene provjerite aktualnu dokumentaciju.

Povezane AI-agent lekcije

RAG, vector search i embeddingsKako agent dohvaća relevantne dokumente, FAQ, ponude i CRM bilješke kroz chunking, embeddings i semantičku pretragu. Cijena, latencija i token budget AI agenataKako kontrolirati trošak modela, broj tokena, trajanje runa, caching, batching i izbor jeftinijeg ili lokalnog modela. Privatnost, redakcija i data retentionKako pripremiti podatke za AI agente: minimalni kontekst, redakcija osobnih podataka, retention rokovi, provider tokovi i audit. Što su AI agentiSveobuhvatan pregled AI agenata: što rade, zašto nisu samo chatbotovi i kako mogu preuzeti konkretne poslovne korake u OpenClaw procesu.

Povežite ovu temu s ostatkom sustava

OpenClaw automatizacijePrimijenite agente na jasan CRM proces s vlasnikom i mjerljivim ishodom. CRM dozvole i sigurnostUskladite tools, uloge i podatkovni opseg s backend kontrolama. Strukturirani podaciPripremite strojno čitljive izlaze i sadržaj koji se može pouzdano validirati.

Primijenite lekciju na stvarni projekt

Pošaljite postojeću konfiguraciju, cilj i problem koji želite riješiti. Dobit ćete prijedlog sljedećeg tehničkog ili operativnog koraka.

Pošaljite upitPregledajte sve vodiče