OpenProse: язык контрактов для агентов вместо инструкций

Что в ролике
Тем, кто устал писать агентам пошаговые инструкции, команда OpenProse предлагает перейти от промптинга к декларативным контрактам: вы описываете нужный результат, а агент сам решает, как его достичь. OpenProse — это событийно-ориентированный язык и фреймворк для многоагентных рабочих процессов, записанный обычным markdown, где и программа, и контракт, и даже рантайм-компилятор остаются текстом, который можно хранить в git и версионировать. Запустить его можно бесплатно через NPX-скилл open-prose/prose либо в облачной версии, где агент по голосовому запросу сам генерирует программу, но любые платные действия требуют подтверждения. В демо показан процесс ревью pull request: GitHub-вебхук запускает контракт «проверь как ворчливый senior, который не любит AI-код», после чего свежие сессии агентов сверяются с этим контрактом, а не с собственным мнением, что снимает самоуверенность модели. Второй пример — документация для quant-моделей: контракт описывает требования регуляторов, и Codex на дешёвой модели генерирует документ для модели Sofa Curve, тогда как крупный банк с 4000 моделей тратит на переписывание такой документации 10–50 млн долларов в год. Авторы подчёркивают, что инструмент не для одноразовых запросов, а для повторяемых, аудируемых задач; в отличие от DSPy, который изолирует вызовы LLM, здесь вся логика живёт в «нечёткой» текстовой среде, а проверять выполнение контракта предлагают дешёвыми decision-моделями вроде Jeff. Для любителей спецификаций есть композиция контрактов и событийные триггеры по расписанию или вебхукам, а полный системный промпт kernel занимает около 70–80 тысяч токенов.
Практика
- Что получишь
- Ты сможешь переводить рутинные агентные задачи в проверяемые markdown-контракты и запускать их по расписанию или вебхукам, не привязываясь к одному harness.
- Первый шаг
- Установить open-prose локально через npx skills add open-prose/prose или зайти в облачную версию и попросить встроенного агента сгенерировать первую программу под свою задачу.
- Цифры
- —70–80 тысяч токенов — размер полного системного промпта OpenProse (kernel), по словам Раймонда
- —4000 моделей — столько моделей приходится пересматривать и переписывать документацию крупному банку ежегодно
- —10–50 млн долларов в год — столько тратит крупный банк на регулярную документацию quant-моделей
- —14 раундов — столько ревью потребовалось в одном из PR, чтобы агенты согласовали изменения в демо
- Честно
- Это презентация собственного продукта OpenProse и облачного сервиса run-prose; авторы напрямую заинтересованы в его использовании. Повторить примеры можно без облака через NPX-скилл, но генерация программ голосом и готовые триггеры webhook/cron доступны в их hosted-версии. Часть деталей (точный синтаксис, полный текст kernel, best practices) видна только на экране и в репозитории, а оценки экономии для банков приведены из опыта авторов, без независимого аудита.
Если слова незнакомы — 8 терминов
- промпттекст-задание, которое ты пишешь ассистенту
- токенединица текста, которую модель считывает и обрабатывает
- LLMбольшая языковая модель, например Claude или GPT
- DSPyинструмент для программирования вызовов языковых моделей через изолированные типизированные шаги
- decision-модельбыстрая модель, которая оценивает условие и выдаёт решение, а не развёрнутый текст
- quant-модельколичественная финансовая модель, используемая банками для расчётов и торговли
- kernelстартовый системный промпт OpenProse с инструкцией для агента-компилятора
- gitсистема контроля версий, хранящая изменения в текстовых файлах
Компоненты
7 шт.Формат: сборка на живом примере · для продвинутых · уверенность разметки 0.85 · источник