Учить coding agents работать с электронными таблицами
Teaching Coding Agents to do Spreadsheets
Единственный REPL на Node.js с сохранением переменных между вызовами, поверх движков формул и рендеринга на C#, поднял внутренний бенчмарк финансовых таблиц примерно с 50% до 92%, по словам спикера.
- REPL вместо десятка инструментов — около пятнадцати отдельных инструментов заменили JavaScript-функциями в одном REPL-вызове; по словам спикера, таймауты на пятиминутном лимите сократились до нуля, потому что агент перестал ходить по инструментам последовательно.
- Состояние между вызовами — в отличие от Code Mode без состояния, переменные сохраняются между вызовами, скрипты короче (а не по 50 строк), и модель успевает рассуждать между шагами. Новые методы добавляются описанием TypeScript-типов в промпт, без новых инструментов в схеме.
- Движки с высокой точностью — формульный движок и рендер диапазона в картинку дают агенту цикл проверки. По словам спикера, неполный движок, реализующий около половины формул Excel, ухудшает результат: агент получает ошибки, которых не должно быть.
- Детерминированная оценка — там, где возможно, спикер сравнивает выходы таблицы с эталонной таблицей на тех же входах, а не полагается на LLM-as-a-judge. Баги в коде и инструментах часто выглядят как ошибки рассуждения модели, поэтому трейсы нужно читать.
Кому полезно: тем, кто строит агентов для работы с таблицами или другими структурированными форматами и думает, какой интерфейс дать модели.
Статья по теме
Главы
Похожие доклады
Coding evals: от фрагментов кода до целых кодовых баз
AI Engineer Code 2025
Близко по содержанию
Работа с агентами в VS Code
AI Engineer Europe 2026
Близко по содержанию
Маленькие модели, большие результаты: обучение финансового агента менее чем за $500
AI Engineer World's Fair 2026
Близко по содержанию
Как создавать planning agents, не теряя контроля
AI Engineer World's Fair 2025
Близко по содержанию

