Skill issue: как обучить coding agents работать с Langfuse
Skill issue: Lessons from skilling up coding agents to use Langfuse
Агенту для кодинга проще подключить Langfuse, если skill тянет актуальную документацию по ссылкам и поиску, а не копирует её внутрь себя.
- Трассы показывают, где skill ошибается — прогоны Claude Code с трассировкой в Langfuse выявили, что агент сначала ставил инструментирование по устаревшим знаниям модели и только потом шёл в документацию. По словам спикера, разбор трасс даёт около 80% нужных правок ещё до сложных eval.
- Поиск вместо копии документации — эндпоинт поиска по документации возвращает фрагменты по запросу на естественном языке, а логи запросов показывают, каких страниц не хватает.
- Значения по умолчанию — регион данных раньше подставлялся как Европа; теперь агент спрашивает пользователя, потому что для агента лишний вопрос почти ничего не стоит.
- Целевая функция решает всё — оптимизация skill по числу ходов заставила агента убрать запросы документации. Из шести предложенных улучшений авторы приняли три, и каждую правку проверял человек.
Кому полезно: тем, кто пишет skills для агентов для кодинга, которые подключают LLM-трассировку и eval к чужим проектам.
Статья по теме
Главы
Ещё доклады: Marc Klingen
Страница спикера →Самоулучшающийся стек OSS-агентов
AI Engineer World's Fair 2026
Похожие доклады
Не создавайте агентов — создавайте Skills
AI Engineer Code 2025
Близко по содержанию
Дайте агенту развернуться: как с помощью Skills оценивать и улучшать приложение
AI Engineer World's Fair 2026
Близко по содержанию
Evals AI-агентов для задач с высокой ценой ошибки
Annabell Schäfer, Doneyli De Jesus
Близко по содержанию

