Готово к слиянию по умолчанию: создаём context engine, который экономит время и токены
Mergeable by default: Building the context engine to save time and tokens
Кодинговым агентам нужен контекстный движок, который строит связи между данными: RAG по документам и большое окно контекста одного этого не дают.
- Satisfaction of search — агент находит первое похожее решение и останавливается, а нужные решения лежат в Slack или в отчётах об инцидентах. По словам спикера, поиск помогает взвешивать в сторону репозиториев, где человек чаще всего отправляет PR.
- Социальный граф экспертов — граф строится по PR-ревью, а эксперты по областям кода становятся точками входа для поиска. Решения эксперта из PR-комментариев и обсуждений в Slack подгружаются в контекст агента, и это помогает ему понять, куда двигаться дальше.
- Конфликты в данных — спикер советует не скрывать противоречия, а показывать их человеку и учитывать его правки. Подсказки эксперта получают больший вес, чем реплики новичка, а одной свежести или main-ветки для выбора истины недостаточно.
- Кэширование ответов — по словам спикера, подавать прежние ответы обратно как контекст нельзя: код и документы меняются, а ошибки модели накапливаются и тянут результат к среднему.
Кому полезно: тем, кто подключает агентов к внутренним документам, Slack и истории PR и видит, что агенты повторяют уже пройденные команде ошибки.
Статья по теме
Главы
Ещё доклады: Peter Werry
Страница спикера →Как создавать готовый к слиянию код с помощью context engine
AI Engineer World's Fair 2026
За пределами RAG: создаём реляционный движок контекста с нуля
AI Engineer World's Fair 2026
За пределами RAG: реляционный context engine сокращает расход токенов
AI Engineer World's Fair 2026
Похожие доклады
Почему большие контекстные окна не спасут вашего агента
AI Engineer World's Fair 2026
Близко по содержанию
Context engineering: связываем точки с помощью графов
AI Engineer Code 2025
Близко по содержанию


