← Каталог

· AI Engineer Europe 2026

Создайте собственного Deep Research Agent и технического автора

Build Your Own Deep Research Agent + Technical Writer

Исследование и написание технических текстов стоит разделить на две системы: гибкий агент собирает источники, а жёстко ограниченный workflow пишет текст, который проверяет LLM-судья.

  • Агент или workflow — если шаги всегда идут в одном порядке, агент только добавляет накладных расходов. Агент нужен там, где система сама решает, какие действия предпринять дальше.
  • Research на MCP — сервер на FastMCP отдаёт три инструмента: поиск с опорой на источники через Gemini API, разбор YouTube-видео по ссылке и сборку research.md. Агент сам находит пробелы в собранном материале и задаёт новые запросы.
  • Контроль стиля — профили стиля с запрещёнными словами, три few-shot примера и ревьюер в отдельном контексте, который возвращает замечания структурированными объектами. По словам авторов, фиксированные три-четыре итерации правок надёжнее остановки по порогу оценки, потому что оценка текста шумная.
  • LLM-судья на 20 постах — судья калибруется по F1 на валидационной и тестовой выборках, а идеальный результат на валидационной выборке служит поводом проверить переобучение. В онлайн-симуляции судья пропустил все посты, которые автор отметил как брак, поэтому, по словам авторов, систему ещё нужно доработать.

Кому полезно: тем, кто строит генерацию длинного технического контента и хочет проверять его автоматическим судьёй, а не на глаз.

Статья по теме

Главы

Ещё доклады: Louis-François Bouchard

Страница спикера →

Похожие доклады