AI Engineer NYC 2026 Online Talks
Agents в Orbit: рабочие процессы, а не автопилот
Agents in Orbit: Workflows, Not Autopilot — Eduardo Simon & Javier Casal, Flywire
Flywire строит внутреннюю платформу Orbit, где детерминированный код управляет процессом, а LLM вызывается только в узких шагах с ограниченным доступом.
- Код-ревью как цепочка шагов — контекст и оценка риска собираются детерминированно, модель получает только read-only доступ к коду и отвечает строгой JSON-схемой, а комментарии публикует отдельный шаг. По словам авторов, за 30 дней было более 9700 запусков, в среднем меньше трёх минут на merge request.
- Права на каждый шаг — сеть, инструменты, skills и MCP-серверы объявляются для каждого шага в YAML, а в основе лежит Claude Agent SDK, а не собственный harness.
- Оценка отдельных шагов — каждый LLM-шаг проверяется на сохранённом контексте, golden datasets хранятся в репозитории и запускаются по требованию, трассировка идёт через OpenTelemetry. Онлайн-оценок пока нет.
- Ограничения ресурсов — таймауты, агрессивные rate limits и блокировки дублирующих запусков. По словам авторов, 99% успешных выполнений из более чем 11 000, но это успех исполнения, а не правильность ответов.
Кому полезно: тем, кто внедряет агентов для инженерной автоматизации в среде с жёсткими требованиями к данным.
Статья по теме
На какие вопросы отвечает доклад
Как ограничить, к чему может обращаться LLM-шаг внутри автоматизации?
Для каждого шага в YAML-файле задают доступ к сети, инструментам, skills и MCP-серверам вплоть до конкретных инструментов. Например, шаг ревью может читать и искать по коду, но не может редактировать файлы или пушить изменения.
▶ 11:05Claude Agent SDK и разрешения для каждого шагаКак не дать агентам в продакшене разогнать счёт за модели из-за ошибки в интеграции?
Каждый агент останавливается по таймауту, лимиты запусков агрессивные по умолчанию, а блокировки отбрасывают дубли, например повторный ревью merge request, который уже выполняется.
▶ 9:06Лимиты выполнения и изолированные средыКак подключить LLM к ревью merge request, чтобы модель не могла менять код?
Детерминированные шаги получают метаданные, уровень риска и клонируют репозиторий. Модель только читает код и отвечает строгой JSON-схемой, а отдельный шаг публикует замечания в merge request.
▶ 4:05YAML-рабочие процессы и ограниченный code reviewКак заставить LLM отвечать в формате, по которому код может ветвить логику?
Каждый LLM-шаг проверяет ответ по строгой JSON-схеме. Если ответ не проходит валидацию, запускается повтор или запасной путь, а дальнейшие переходы идут по детерминированным правилам.
▶ 13:07Структурированные результаты, трассировка и пробелы в оценкеКак оценивать один LLM-шаг в многошаговом агенте без прогона всего сценария?
В шаг подставляют точное историческое состояние и контекст. Трейсы OpenTelemetry пополняют golden dataset, который хранится в репозитории и запускается по требованию после правки промпта или модели.
▶ 13:07Структурированные результаты, трассировка и пробелы в оценкеЧто дают LLM-ревью кода и автофиксы зависимостей на практике в крупной компании?
За 30 дней агент ревью сделал более 9700 запусков, в среднем меньше трёх минут на merge request, а фиксы зависимостей дали 159 merge request. Успешность 99% описывает выполнение запусков, а не правильность ответов.
▶ 15:36Заявленные объёмы выполнения и успешность
Главы
Похожие доклады
Как в Anthropic ежедневно мержат 30 000 изменений кода
Близко по содержанию
Оркестры, а не фабрики: как работают самые быстрые разработчики
AI Engineer World's Fair 2026
Близко по содержанию
SDLC, который вы создаёте сами
Andrei Bocan, Andy Wong, Shane Wolf
AI Engineer World's Fair 2026
Близко по содержанию
От ноутбука к CI-пайплайну: масштабирование собственных agents с GitHub Copilot
AI Engineer World's Fair 2026
Близко по содержанию


