通过路由、组合和协调数千个模型、代理和数据流， 网格 像分布式大脑一样扩展。随着它的发展，其集体智慧会不断加强，朝着AGI水平的产出迈进。以下是底层算法如何使之成为可能。

‍

‍

专家和社区定义的工作流程

为了更简单的查询，GRID 利用了专家设计的工作流程。对每个查询进行分析、分类，并将其路由到与该用例最相关的工作流程中。

示例：“去年，哪些欧洲SaaS初创公司筹集了超过5000万美元的资金？”→ 确定为研究分析 → 已进入研究工作流程。

示例工作流程步骤：

搜索： 编制一份欧洲初创公司名单，这些初创公司已筹集了5000万美元，并于去年开始营业。
研究： 评估已确定创业公司的创始人简介
搜索： 查找这些初创公司的最新收入指标
概念化： 可视化收入轨迹
汇总： 准备最终答案

工作流程因用例（搜索、研究、写作）和垂直领域（金融、旅行、电子商务、科学等）而异。专家社区成员可以设计这些工作流程，很快，他们将根据其工作流程在实践中的实用性获得奖励。

递归原子化和执行

‍GRID 正在超越静态工作流程 超复杂查询的新架构。

‍每个查询都将以递归方式原子化（分解为较小的子查询），直到只剩下原子任务。这些是解决原始查询所需的最小工作单元。

然后，通过系统提示引擎将每个原子任务路由到最有能力的情报部门（模型、代理或数据源）。 该引擎本身将由社区驱动，用户为其改进做出贡献。

‍这种递归架构使网格能够解决任意复杂性的问题。敬请关注更大规模的发布会 即将推出。

令牌级路由‍

我们正在开发算法，以尽可能小的人工智能语言单位：代币来路由情报。

GRID 没有将整个查询发送到单一情报（模型、代理、数据源等），而是将其分解为令牌（人工智能模型处理的最小文本单位）。然后，可以将每个令牌独立路由到最合适的情报，最后拼接回来获得最终答案。

我们的早期实验表明，在不同模型之间路由代币时，其表现优于大型闭源实验室，其输出远远超过任何单一系统，而且成本要低得多。

阅读我们的 Dobby 报告，该报告涵盖了到各种模型的代币级路由：👉 http://alphaxiv.org/abs/1701.03755