Warum Ihr KI-Agent versagt: Die Mathematik, die Sie wissen müssen

Ursprünglicher Autor：Rahul Pandey

Originalquelle：https://www.youtube.com/embed/sMMNXTmimJg

Jeder Schritt in diesem KI-Agenten funktioniert in mindestens 90 % der Fälle. Noch immer scheitert mehr als jede dritte Rechnung. In diesem Video habe ich einen Rechnungsagenten mit 12 Tools von Grund auf in einfachem Python (kein LLM, kein Framework) simuliert und 10.000 Durchläufe simuliert, um herauszufinden, warum Agenten scheitern, selbst wenn jedes Tool in 90 % der Fälle funktioniert. Wir behandeln das Multiplikationsgesetz, die beiden Unabhängigkeitslügen, die es kaputt machen (schlechte Tage und stille Staatsvergiftung), was es tatsächlich behebt und was die Behebung kostet. Was Sie sehen werden: – Tools, die im Durchschnitt 96 % zuverlässig sind, verlieren immer noch 371 von 1.000 Rechnungen – Ein Tool (PDF-Extraktion) verursacht etwa ein Viertel aller Fehler – An einem „schlechten Tag“ sinkt der Erfolg auf unter 9 % – Wiederholungsversuche erhöhen den Erfolg von 63 % auf 94 %, machen stille falsche Antworten jedoch wahrscheinlicher – Hinzufügen eines Verifizierers: 97 % richtig, 25x weniger falsche Hauptbucheinträge, für +0,7 Tool-Aufrufe pro Gutrechnung Kapitel: 00:00 Einführung 00:24 Agenten-Workflows vs. Agenten 04:15 Die perfekte Agentensimulation 06:12 Werkzeuge werden zu Münzwürfen 10:27 Zehntausend-Rechnungs-Simulation 11:32 Das Multiplikationsgesetz 21:18 Wo Rechnungen scheitern 27:00 Lüge Nr. 1: Simulation schlechter Tage (korrelierte Ausfälle) 31:25 Lüge Nr. 2: Silent State Poisoning 37:58 Gegenwehr: Wiederholungsversuche und Prüfer 40:58 Fazit #AIAgents #AgenticAI #BuildFromScratch #Agents #AI