· AI Engineer World's Fair 2025
Создание приложений на основе AI agents
Building Applications with AI Agents
Надёжный агентный продукт строится на узком наборе инструментов, простых цепочках и большом объёме оценок, а не на сложной оркестрации.
- Меньше инструментов в одном вызове — по наблюдениям спикера, точность падает, когда в один промпт попадает много инструментов с похожим смыслом. Группируйте их по смыслу и отдавайте каждую группу отдельному агенту, а координатор пусть маршрутизирует запрос.
- Цепочки вместо агентного цикла — если задача укладывается в цепочку или дерево с ветвлением, её проще измерять, дешевле запускать и надёжнее. Бизнес-логику спикер советует держать в детерминированном коде, а состояние хранить вне модели.
- Evals как основа разработки — по словам спикера, оценочный набор стоит делать заметно больше, чем кажется, потому что без него нельзя выбрать число агентов, инструментов и модель. Для синтетических данных он называет IntellAgent, для разметки Label Studio, а для автоматической оптимизации промптов TextGrad и DSPy.
- Красная команда и наблюдаемость — трассировка через OpenLLMetry и OpenTelemetry плюс систематический red teaming с PyRIT до выхода в продакшен. Детекторы на разных слоях стека и откат на ручную проверку в критичных случаях.
Кому полезно: тем, кто переводит агентные системы в продакшен и сталкивается с хрупкой оркестрацией и нехваткой оценок.
Статья по теме
Главы
Похожие доклады
Превосходство в создании агентов: оценка AI-агентов с помощью Azure AI Evaluation SDK
AI Engineer World's Fair 2025
Близко по содержанию
Агенты сейчас там же, где микросервисы были в 2015 году
AI Engineer World's Fair 2026
Близко по содержанию
Агенты создают агентов
AI Engineer World's Fair 2026
Близко по содержанию
Как определить, когда AI agent может работать без надзора
Близко по содержанию

