К содержимому
Дайджест

Зачем ИИ-агенту API: подачи US Open как пример

IBM Technology·24 сентября 2026·9:46
можно прочитать понять, как устроено продукт вендора
Открыть на YouTube
Обучающее видео IBM Technology для разработчиков и инженеров, объясняющее на примере теннисного турнира, зачем языковой модели и агенту нужны API для работы с актуальными данными.

Что в ролике

На US Open 2026 внедрили систему, которая камерами следит за каждой подачей и выставляет ей оценку качества. Обычная языковая модель знает про теннис из обучающих данных, но не может ответить, как конкретная теннисистка подаёт прямо сейчас; если вставить в контекст статистику текущего матча, например, что последняя подача Пегулы была на 97 миль в час и навылет, модель получит лишь данные о результате, а не о механике движения. Показ видео с подачи тоже даёт только общее впечатление, так как модель не специализирована на покадровом анализе биомеханики. Поэтому нужен API специализированного сервиса: камеры на корте отслеживают мяч, ракетку и 21 сустав тела игрока, за турнир во всех 254 одиночных матчах набирается 1 миллиард точек данных. Бэкенд превращает этот поток в две оценки — эффективность (механика: сгиб коленей, разделение плеч и бёдер) и результативность (скорость, точность попадания в сложные для приёма зоны), которые затем объединяются в общий показатель качества подачи; для выбора значимых метрик использовалась система IBM Bob и исследования кинетической цепи. Сырые данные слишком велики и неудобны для LLM: 21 точка по три координаты с частотой 50 раз в секунду даёт более 3000 чисел каждую секунду, а модель лучше работает с парой килобайт структурированных данных, чем с миллионами позиций. В сценарии агента фанат задаёт вопрос в приложении турнира, модель получает список инструментов с описаниями и параметрами, при необходимости запрашивает данные через API подач, получает их в контекст и в цикле решает, достаточно ли информации для ответа; такой же шаблон агент использует при расследовании сбоев, обращаясь к API мониторинга и логов.

Практика

Что получишь
Понимание, почему языковую модель нельзя кормить сырыми данными с датчиков и как агент с API разгружает специализированные сервисы. Сможете спроектировать похожий пайплайн: модель рассуждает над готовыми числами, а не считает их сама.
Первый шаг
Попробуйте в своём проекте выделить один источник актуальных данных, обернуть его в API и дать агенту описание этого инструмента в контексте.
Цифры
  • —21 сустав тела отслеживают камеры на корте при каждой подаче
  • —1 миллиард точек данных собирается за турнир во всех 254 одиночных матчах
  • —более 3000 чисел в секунду даёт поток координат от 21 точки при частоте 50 раз в секунду
  • —97 миль в час — скорость последней подачи Пегулы в примере
Честно
В ролике показывают интерфейс оценки подач и схемы агентского цикла, но конкретных команд или кода нет. Автор не продаёт платный курс, однако это официальный образовательный ролик IBM, поэтому примеры используют технологии IBM. Система IBM Bob упоминается без деталей доступа, и повторить её часть по видео не получится.
Если слова незнакомы — 4 терминов

Компоненты

2 шт.

Формат: разбор · для новичков · уверенность разметки 0.9 · источник