Hopp til innholdet
Norsk journal om kunstig intelligens 247 artikler Oslo --:--
TokenPrat
2 min lesetid Av TokenPrat-redaksjonen

Slash Goals: Ta AI-agentene dine til neste nivå

Persistent Goals – kjent i praksis som /goal, og uoffisielt kalt "slash goals" i miljøet – lar Hermes-agenter jobbe mot store, overordnede mål i stedet for en steg-for-steg-instruks. Du sier hvor du skal, agenten finner ut hvordan. For oppgaver som tar timer eller dager, gjør det stor forskjell.

Hva /goal faktisk gjør

/goal gir agenten et stående mål som overlever på tvers av turer. Etter hver tur kaller Hermes en lettvekts "dommer"-modell som vurderer om målet er oppfylt, basert på målteksten og agentens siste respons. Er ikke målet nådd, fortsetter agenten automatisk. Er det nådd, stopper den. Går turbudsjettet tomt (standard er 20 fortsettelsesturer), pauser agenten og venter på beskjed.

Kommandoene er enkle: /goal, /goal status, /goal pause, /goal resume og /goal clear. Målstatusen lagres, så du kan lukke økten og hente den opp igjen senere – og du kan alltid styre underveis ved å sende en ny beskjed som går foran neste fortsettelse.

Forskjellen fra tradisjonelle prompts

Tradisjonell prompt: «Først gjør X, så Y, så Z.» Med /goal: «Bygg et kortspill med flerspiller-støtte. Det skal være ferdig testet innen kveld.»

Agenten tar selv ansvar for å bryte målet ned, prioritere og rette opp hvis noe ikke fungerer. Du slipper å forutse alle stegene på forhånd – men du gir samtidig fra deg mer kontroll, noe som stiller høyere krav til hvordan du formulerer målet.

Metaprompting er kritisk – og mer enn tre elementer

Slash goals fungerer bare så godt som målformuleringen din. «Bygg et spill» er for vagt, fordi dommer-modellen ikke har noe konkret å vurdere opp mot. Et solid mål bør inneholde seks deler:

  • Mål – ett konkret utfall, ikke en haug urelaterte oppgaver
  • Input – filer, lenker, mapper eller dokumenter agenten skal lese først
  • Begrensninger – hva som ikke skal endres, hvilke verktøy som er tillatt
  • Leveranser – nøyaktig hvilke filer, rapporter eller commits som skal foreligge
  • Validering – tester, byggekommandoer eller kriterier som beviser at målet er nådd
  • Pausevilkår – hva som skal få agenten til å stoppe og spørre før den fortsetter

Hvor det betaler seg mest

  • Presentasjoner og innholdsproduksjon – lav risiko, tydelig sluttilstand (filen finnes og åpner seg korrekt)
  • Kodemigreringer og refaktorering – ren valideringsløkke med tester, bygg og lint som beviser fremgang
  • "CEO/CTO"-orkestrering – én agent holder det overordnede målet og delegerer kodetunge deler til en spesialisert kodeagent
  • Forretningsarbeidsflyter – research, leadgenerering og rapportering, men med menneskelig godkjenning før agenten sender, betaler, publiserer eller sletter noe

Sikkerhet er ikke valgfritt

Jo sterkere målløkken blir, desto viktigere blir kontroll-laget rundt den. Før du gir en agent et langtkjørende mål, bør du ha svart på: hvilken konto bruker agenten, hvilke mapper og API-er har den tilgang til, hvilket budsjett og turbudsjett gjelder, hvor kan du inspisere hva den har gjort, og hvilke handlinger krever menneskelig godkjenning før de går ut av systemet? Reglen er enkel: la målbaserte agenter forberede, undersøke og utkaste – ikke sende, betale, publisere eller slette uten godkjenning.

Oppsummering

/goal er Hermes' bidrag til en bevegelse fra mikrostyring til målstyring av AI-agenter. Kombinert med multi-agent-profiler kan du delegere store prosjekter med færre instrukser enn noensinne – så lenge du er villig til å bruke tid på selve målformuleringen og sikkerhetslaget rundt den.

Ressurser

Del

Les videre

Forsiden →
Åpnet lilla spillkonsoll med kretskort på en arbeidsbenk, med kode på en laptop i bakgrunnen
· Agenter

Melee er 100 prosent dekompilert – AI tok siste etappe, men ikke uten bråk

Hver eneste av de 19 828 funksjonene i Super Smash Bros. Melee er nå gjenskapt som lesbar C-kode, og AI-agenter gjorde mye av sluttspurten. Men det betyr ikke at du kan dekompilere Photoshop i kveld.

Mørk serverhall med en åpen serverrack og en månesigd i vinduet
· Modeller

Kimi K3.1 Pro: Nesten like god som Opus 5.5 i terminalen – og med vilje dårligere til å hacke

Moonshot AI har lovet å slippe vektene til Kimi K3.1 Pro innen 4. november. Modellen ligger tett bak Claude Opus 5.5 på agentisk koding, men Moonshot har bevisst trent bort deler av hackeferdighetene før den deles åpent.

Delt bilde: uskarp foss til venstre, knivskarp mose med vanndråper til høyre
· Modeller

SoL-Refiner: Nvidias triks for 4K AI-video – lag et utkast, finpuss én gang

Nvidia Research har sluppet en refiner som gjør lavoppløste AI-videoer om til 2K og 4K med ett eneste denoising-steg. Koden og vektene er åpne. Men dette er ikke et verktøy for gamle hjemmevideoer, og det er ikke laget for hjemme-PC-en.