Агентная архитектура для продакшена: 6 столпов Resolve AI

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
- агентпрограмма, которая сама выполняет задачи и принимает решения в заданных рамках
- оркестрация моделейвыбор подходящей AI-модели под каждую подзадачу и поддержание актуальности набора моделей
- контекстная инженерияподготовка ровно того объёма информации, который нужен модели для решения задачи, без перебора и недобора
- root causeпервопричина инцидента, установленная через цепочку доказательств
- трейсызаписи путей запросов в распределённой системе, показывающие, какие сервисы были задействованы
- evalсистематическая оценка качества ответов агента по разным уровням проверки
Компоненты
8 шт.Формат: разбор · для практикующих · уверенность разметки 0.86 · источник