TinyTroupe — мульти-агентная симуляция людей для LLM-экспериментов
Ситуация: Нужно протестировать продуктовую гипотезу, проверить UX-сценарий или смоделировать поведение разных сегментов аудитории — без живых респондентов и дорогих user research сессий.
Ограничение: Нужно быстро получить качественный фидбек от «пользователей» с разными персонами. Никаких рекрутинга, NDA и задержек на 2 недели.
Решение: TinyTroupe - это Python-библиотека от Microsoft для симуляции реалистичных персон на базе LLM. Ты описываешь «агентов» с профессией, возрастом, интересами и мотивацией - они взаимодействуют между собой и с продуктом, генерируют мнения, спорят, принимают решения. Можно симулировать фокус-группы, A/B-реакции, сценарии онбординга. В отличие от простых промптов — поведение агентов последовательно и контекстно между итерациями.
То что нужно, чтобы получить синтетический user research до первого живого интервью. https://github.com/microsoft/TinyTroupe
Впервые опубликовано: @ai_ossresearch.
Методология
Методология одной книгой
Как Product Owner ведёт запрос бизнеса от первого письма до результата, который можно показать: пять стадий, у каждой понятный выход. Оставьте почту, и я пришлю книгу.
Читать дальше
- CodeAbra/iai-personal-memory-engine
Тоже пусть тут лежит, это знакомый из Threads разрабатывает. Больше про разграничение персональных контекстов агента
- OpenObserve - открытая observability-платформа для логов, метрик, трейсов и RUM
Условный Elasticsearch/Datadog, только в разы дешевле по хранению и разворачивается одним бинарником.
- Headlong - OpenSource автономный AI-агент с постоянной рефлексией
Очень прожорливая штука по токенам, в авторах там мегакрутые чуваки (Konwinski - Perplexity & Co) - работает в фоне, а не только по запросу - сам выбирает, о чём думать и что…