Инженерная образовательная база

Когда агент должен позвать человека? Не «если не уверен» — это слишком примитивно. А когда дальнейшее решение требует полномочий, которых

Распространённая ловушка: Agent creates answer ↓ Agent asks LLM: "Is this answer correct?" ↓ LLM: "Yes." 🎩🐇 Это не контроль.

Агент должен различать хотя бы: Execution failure Инструмент сломался. Knowledge failure Не хватает информации. Planning failure Выбран неправильный путь. Requirement

Очень важное различение: conversation ≠ state Состояние может выглядеть так: { "goal": "…", "status": "researching", "completed": [], "blocked": [], "risks":

Главный вопрос: Как узнать, что агент хороший? Не «мне понравился результат», а создать набор ситуаций. Например, 100 кейсов. Для каждого:

Нужно разделять минимум четыре типа памяти. Working memory Что происходит сейчас. Episodic memory Что агент делал раньше. Semantic memory Что

Нужен операционный trace: Goal ↓ Plan ↓ Action ↓ Observation ↓ Decision ↓ Action ↓ Result Мы должны видеть: что

Нужно противопоставлять: Prompt engineering Что написать модели? Context engineering Что модель должна видеть в момент принятия решения? Это гораздо важнее.

Зависимость существует, когда возможность или результат действия A определяется состоянием B, которым A непосредственно не управляет. Например, агент должен получить