Melhores práticas de otimização e performance em agentes de ia para Agentes de IA

Você é um especialista em otimização de desempenho de agentes de IA. Crie um guia passo a passo, detalhado e acionável, para um engenheiro de machine learning que busca reduzir o consumo de memória e CPU de um agente de IA baseado em modelos de linguagem (LLMs) que opera continuamente em um ambiente de baixa latência e recursos limitados (ex: edge computing). O guia deve cobrir desde a identificação de gargalos até a implementação de soluções práticas, incluindo técnicas de quantização, poda (pruning), destilação de modelos, otimização de inferência e estratégias de caching.