К содержимому
Дайджест

Агентная архитектура для продакшена: 6 столпов Resolve AI

AI Engineer·6 октября 2026·21:05
можно прочитать понять, как устроено промо
Открыть на YouTube
Доклад инженера Resolve AI о том, из каких компонентов состоит агентная платформа для диагностики и починки продакшен-систем, с демонстрацией работы.

Что в ролике

Проблема, которую разбирает инженер Varun Krovvidi из Resolve AI: AI хорошо пишет код, потому что код самодокументируем, модулен и однодоменен, но эксплуатация продакшена требует анализа множества систем и причинно-следственной цепочки. По его оценке, 70% времени инженеров уходит не на написание кода, а на запуск и починку софта, и Resolve строит три типа агентов: on-call, incident и ambient background. В основе их архитектуры — шесть столпов: оркестрация моделей, контекстная инженерия, причинное рассуждение, управляемые действия, обучающаяся система и оценка. Демо показывает, как Grafana шлёт алерты в Slack, а Resolve сам запускает агентов-исследователей, которые анализируют метрики, трейсы, изменения деплоев, код и инфраструктуру. Система выдаёт root cause с цепочкой доказательств и отвергнутыми теориями — например, не сваливает вину на параллельный сбой GCP, хотя это была бы логичная корреляция. Пользователь может переспросить агента, и тот будет отвечать только на основе причинной цепочки, а не поддаваться на наводящие вопросы. В конце подчёркивается, что оценка — это старт и финиш агентной архитектуры, с пятью уровнями проверки, от позитивного и негативного подкрепления до калибровки уверенности.

Практика

Что получишь
Понимание, почему агенты для эксплуатации сложнее кодинг-агентов, и из каких шести компонентов должна состоять платформа для автоматической диагностики и починки софта.
Первый шаг
Если хотите повторить подход, начните с карты источников данных для одного инцидента: код, инфраструктура, базы знаний и наблюдаемость.
Цифры
  • —70% времени инженеров уходит на запуск и починку софта, а не написание кода
  • —6 столпов агентной архитектуры: оркестрация моделей, контекстная инженерия, причинное рассуждение, управляемые действия, обучающаяся система и оценка
  • —4 типа источников данных, которые анализирует агент: код, инфраструктура, базы знаний и платформы наблюдаемости
Честно
Спикер — сотрудник Resolve AI, и весь доклад продвигает их платформу: в конце он зовёт к стенду L28. Это не туториал: конкретных реализаций шести столпов нет, только общие принципы и демо продукта, так что повторить архитектуру по ролику не получится. Все оценки и примеры — из их системы, независимых замеров не приводится.
Если слова незнакомы — 6 терминов

Компоненты

8 шт.

Формат: разбор · для практикующих · уверенность разметки 0.86 · источник