Η Consensus αναδόμησε την επιστημονική αναζήτησή της σε ροή εργασίας τεσσάρων agents με βάση το GPT-5 και το Responses API

Τι κρύβει το frontend: τέσσερις agents κάνουν τη δουλειά ενός ερευνητή

Η Consensus ξεκίνησε ως αυτό που ο ιδρυτής της, Christian Salem, αποκαλεί κάθετη μηχανή αναζήτησης για την επιστήμη: ευρετηρίαση άρθρων, ανάκτηση αποτελεσμάτων, σύνοψη με παραπομπές. Η νέα δυνατότητα, το Scholar Agent, διατηρεί την ίδια συνομιλιακή διεπαφή, αναδιαρθρώνοντας όμως όλη τη λειτουργία από κάτω σε τέσσερις agents με διακριτούς ρόλους.

Ένας Planning Agent αναλύει το ερώτημα και αποφασίζει την επόμενη ενέργεια. Ένας Search Agent εργάζεται στο ευρετήριο άρθρων, στην ιδιωτική βιβλιοθήκη του χρήστη και στο γράφημα παραπομπών. Ένας Reading Agent ερμηνεύει άρθρα μεμονωμένα ή σε ομάδες. Ένας Analysis Agent συνθέτει τα αποτελέσματα, επιλέγει δομή και οπτικά στοιχεία και συνθέτει την τελική απάντηση. Ο χρήστης πληκτρολογεί απλά μια ερώτηση και λαμβάνει μια απάντηση — ο συντονισμός παραμένει αόρατος.

Διαχωρίζοντας τη ροή εργασίας σε agents, μειώνουμε το σφάλμα και κάνουμε το σύστημα πολύ πιο πειθαρχημένο. Κανένας agent δεν επιφορτίζεται με υπερβολική ευθύνη, κάτι που αποδεικνύεται καθοριστικό για την αξιοπιστία.Montana Labs

Το «πακέτο ερευνητικού πλαισίου» είναι στοιχείο εμπιστοσύνης, όχι λεπτομέρεια του backend

Η Consensus περιγράφει τη μέθοδό της ως context engineering — τη συγκέντρωση των κατάλληλων στοιχείων πριν την έναρξη της παραγωγής απάντησης. Αυτό που μετράει για την εμπειρία χρήστη είναι το αποτέλεσμα: κάθε απάντηση συνοδεύεται από ένα δομημένο πακέτο άρθρων, μεταδεδομένων και βασικών ευρημάτων που παραπέμπουν στις αρχικές μελέτες.

Το περιορισμένο πεδίο δράσης κάθε agent παρουσιάζεται ως τρόπος ελαχιστοποίησης των παραισθήσεων, ενώ η αρχιτεκτονική επιτρέπει ρητά στον βοηθό να αρνηθεί να απαντήσει. Αν καμία μελέτη δεν πληροί το κατώφλι ποιότητας, το σύστημα το δηλώνει αντί να επινοήσει μια απάντηση. Για ένα εργαλείο που χρησιμοποιείται από ερευνητές και, όλο και περισσότερο, από κλινικούς ιατρούς, η δυνατότητα να μην επιστρέφει τίποτα είναι ένα χαρακτηριστικό που η διεπαφή οφείλει να κάνει σαφές.

Δεν θέλουμε οι ερευνητές να χάνουν χρόνο επαληθεύοντας κάθε ισχυρισμό. Αν το σύστημα δεν μπορεί να τεκμηριώσει μια απάντηση με πραγματικά στοιχεία, δεν θα την επινοήσει.Montana Labs

Γιατί η μετάβαση στο Responses API ήταν καθοριστική για τη δρομολόγηση

Η Consensus μετέβη από το Chat Completions στο Responses API ειδικά για να υποστηρίξει τη δρομολόγηση πολλαπλών agents, επικαλούμενη καλύτερη αξιοπιστία, οικονομική αποδοτικότητα και λεπτομερέστερο έλεγχο των κλήσεων υπο-agents. Αυτή είναι η υποδομή πίσω από μια αλυσίδα τεσσάρων agents — κάθε βήμα σχεδιασμού, αναζήτησης, ανάγνωσης και ανάλυσης αποτελεί ξεχωριστή κλήση μοντέλου που πρέπει να συντονίζεται με σαφήνεια.

Η ομάδα αναφέρει επίσης ότι, σε πρώιμες αξιολογήσεις, το GPT-5 ξεπέρασε σε απόδοση τα GPT-4.1, Sonnet 4 και Gemini 2.5 Pro όσον αφορά την ακρίβεια κλήσης εργαλείων και τη σταθερότητα σχεδιασμού. Το συμπέρασμα που διατυπώνουν είναι ενδεικτικό: η αξιόπιστη κλήση εργαλείων τους επέτρεψε να αφιερώνουν λιγότερο χρόνο σε ακροβατικές τεχνικές prompting και περισσότερο σε συμπεριφορές agents που αντιστοιχούν στον πραγματικό τρόπο λειτουργίας της έρευνας.

Ένα καταναλωτικό frontend ήταν αυτό που επέτρεψε την κλιμάκωση ενός ερευνητικού backend

Το στρατηγικό στοίχημα είναι ότι η διεπαφή, όχι ο θεσμός, αποτελεί το κανάλι διανομής. Η Consensus απευθύνθηκε απευθείας στους ερευνητές — φοιτητές, ακαδημαϊκούς, κλινικούς ιατρούς — και δημιούργησε κάτι που θυμίζει μια σύγχρονη καταναλωτική εφαρμογή: ταχεία ενσωμάτωση, διαισθητικό σχεδιασμό, συνομιλιακή διεπαφή. Η υιοθέτηση διαδόθηκε από στόμα σε στόμα, από υποψήφιους διδάκτορες σε ακαδημαϊκούς και γιατρούς.

Αυτή η διεπαφή είναι πλέον συνδεδεμένη με χρήστες υψηλής σημασίας. Η Consensus συμφώνησε με την ιατρική βιβλιοθήκη του Mayo Clinic και λάνσαρε μια «Ιατρική Λειτουργία» για επαγγελματίες υγείας που αναζητούν κλινικά τεκμήρια, παράλληλα με τα 8 εκατομμύρια χρήστες και την 8-πλάσια αύξηση εσόδων. Η συνέπεια για τις ομάδες που αναπτύσσουν agentic προϊόντα: η ροή εργασίας πολλαπλών agents, το πακέτο πλαισίου και η πειθαρχία της άρνησης απάντησης αποδίδουν μόνο αν το frontend παραμένει αρκετά απλό ώστε ένας κλινικός ιατρός να το εμπιστευτεί από την πρώτη χρήση — η μηχανική υπάρχει για να προστατεύσει μια εμπειρία καταναλωτικού επιπέδου, όχι το αντίστροφο.