全球最大的媒体本地化公司 Iyuno 详细介绍了 CLOE 情境记忆（Contextual Memory）功能背后的多智能体工程架构，并阐述其设计理念：将专用 AI 智能体应用于范围有限且界定清晰的问题，其成效胜过单纯扩大系统规模。
Iyuno 创办人兼行政总裁 David Lee 表示：「我们从来不是要打造规模最大的 AI 系统，而是要打造真正适合媒体行业的系统。」
大多数企业部署 AI 时，仍然着眼于扩大规模：模型更大、上下文窗口更大，运算开支亦更高，却仍会在处理长篇影片时失去叙事连贯性。CLOE 采取不同的做法，以三大原则为基础：
- 垂直领域多智能体编排。以高度专门化的微型智能体组成协作网络。各智能体分别负责创建角色关系图、分析情绪意图、匹配语音韵律或确保内容符合品牌规范等特定任务，取代由单一模型包办所有工作的方式。
- 高资讯密度、低 Token 用量的提示设计。系统先将原始影片、音频及剧本集成为结构化知识图谱。智能体再根据经压缩、保留关键资讯的上下文矢量运作，毋须处理海量原始数据，从而减少每部作品的 Token 用量及推论成本。
- 持续保存的图谱记忆。所有智能体的输出均会导入同一个持续保存的本体图谱，不会在任务完成后被舍弃。随着内容累积，系统对单部作品、整季内容以至整个系列作品的理解会不断加深，而推论成本不会随之累增。
Iyuno 创办人兼行政总裁 David Lee 表示：「我们从来不是要打造规模最大的 AI 系统，而是要打造真正适合媒体行业的系统。处理范围广泛的通用问题时，采用更大的模型、投入更多运算资源，确实有其道理。但在娱乐这类专门领域，单靠扩大规模，无法带来真正关键的能力：叙事连贯性。专用智能体根据精准、高资讯密度的内容脉络运作，让我们以远少於单一模型架构所需的资源，达到顶尖的内容理解水平。资源需求亦不会像单一模型架构那样，随内容库规模扩大而增加。我们每处理一部作品，都能提升图谱的能力，而不会令运作成本变得更高。」
这套架构已应用于 Iyuno 旗下商用产品系列：CLOE Enterprise（SaaS）、CLOE Sub、CLOE Script、CLOE Dub 及 CLOE Live，目前均已投入制作室及串流媒体的实际制作流程。公司将于日后公布更多详情，介绍这套架构如何延伸至 CLOE Skills，涵盖无障碍服务、市场推广及其他工作流程。
本文及相关图片内容由合作单位「美通社」提供，「世界新闻网」经授权转载刊登。文章内容、图片及相关著作权均属原提供单位或权利人所有，「世界新闻网」仅作资讯分享与媒体刊登使用。