← Каталог

· AI Engineer World's Fair 2026

Найм пригодных к работе agents и финал Startup Battlefield

Hiring Employable Agents + Startup Battlefield Finals — Howie Liu, HyperAgent

Полезные агенты работают часами без присмотра, учатся на обратной связи, а человек управляет целым флотом через панель блокеров.

  • Heartbeat для долгих агентов — агент просыпается по таймеру, и каждое пробуждение запускает цикл из множества вызовов инструментов. Так агент продолжает двигаться к цели и сам ищет обход блокировок, а не останавливается после первого ответа.
  • Человек на необратимых действиях — в примере с ландшафтным бизнесом агент обрабатывает присланное клиентом видео участка в sandbox VM, вынимает кадры через FFmpeg и готовит предложение. Отправку обязывающей цены клиенту владелец бизнеса подтверждает сам.
  • Память вместо переобучения — по мнению Howie Liu, агент должен учиться в реальном времени, накапливая память и обновления навыков из правок пользователя в Slack или почте, а не ждать очередного fine-tuning.
  • State machine поверх агентов — Commod, победивший в Startup Battlefield, описывает сделки через собственный state machine CFC: агенты переходят к следующему шагу только после прохождения всех условий-запретов, а платёж проводит банк. По словам авторов, срок в 30 дней сокращается до минут.

Кому полезно: тем, кто выводит агентов в операции с регулируемыми расчётами или проектирует панели надзора за несколькими агентами.

Статья по теме

На какие вопросы отвечает доклад

  • Как заставить агента просыпаться по расписанию и продолжать долгую задачу без участия человека?

    Механизм heartbeat периодически будит агента: каждое пробуждение запускает цикл из многих шагов с вызовами инструментов. Агент сам ищет обход, когда застревает, и продолжает движение к цели.

    ▶ 2:31От автодополнения к постоянно работающим агентам
  • Как не дать агенту уйти в сторону на долгой задаче с открытым концом?

    Ранние агенты вроде BabyAGI и AutoGPT застревали в кроличьих норах. По словам спикера, современные модели достаточно связны, чтобы разбить задачу на подзадачи разного масштаба и передавать их между агентами.

    ▶ 5:00Агенты, координирующие работу других агентов
  • Когда агенту нужно подтверждение человека перед отправкой клиенту?

    Агент сам готовит замер, расчёт и презентацию, а человек подтверждает только высокорисковые шаги, например отправку обязывающей котировки. По словам спикера, решения и политики остаются за людьми.

    ▶ 10:59Одобрение человеком значимых действий
  • Как агент может учиться на замечаниях пользователя в реальном времени без переобучения модели?

    Агент накапливает память и обновления навыков из обратной связи в Slack или по почте, например учитывает пропущенную статью затрат в следующий раз. По словам спикера, это быстрее, чем ждать очередного fine-tuning на собранных данных.

    ▶ 12:29Обучение на обратной связи и память
  • Как управлять несколькими агентами и видеть, где они заблокированы и кому передают работу?

    Спикер предлагает control plane, где видно, над чем работает каждый агент, что его блокирует и кто кому передаёт работу. Человек смотрит на систему в целом и разблокирует агентов, а не вникает в каждую задачу.

    ▶ 14:13Люди как координаторы флота агентов
  • Как не дать агенту перейти к следующему шагу, пока нет подтверждённых доказательств?

    Commod описывает state machine, где агент переходит дальше только после прохождения всех условий запрета, например проверки документов на подлинность. Агент не трогает деньги: он выдаёт сигнал о готовности к расчёту, а банк проводит платёж.

    ▶ 21:50Презентация Commod и демонстрация исполнения сделок

Главы

Ещё доклады: swyx

Все 12 докладов →

Похожие доклады