AI-агент как вторая экспертиза
Архитектура AI-агента, который сохраняет и масштабирует институциональные знания организации без переобучения моделей.
privacy
Эта заметка участвует в semantic memory.
AI Summary
- Короткий обзор сути: Meta построила AI-агента, который выступает «второй экспертизой» в сложных доменах (compliance, финансы, безопасность). Агент не просто отвечает, а хранит и улучшает организационные знания в структурированном виде.
🔑 Ключевые факты: система разделяет знания (knowledge files) и рассуждения (recipes); знания хранятся в 200+ файлов с YAML-зависимостями; используется self-improvement flywheel — цикл автоматического исправления ошибок без дообучения модели; эксперты остаются в контуре через checkpoints и escalations.
📌 Важные детали: knowledge files делятся на Position, Taxonomy, Routing, Gateway; high-density знания идут в wiki, sparse — в RAG; recipes снижают расход токенов на 80%; каждое исправление проходит через Diagnose → Compile → Validate → Review; regression suite обогащается после каждого PR.
💡 Вывод и значение: архитектура применима к любому домену, где важны consistency и expert capacity; требует наличия structured knowledge system, procedural layer, evaluation suite и human-in-the-loop; результат — экспертное время экономится с дней до минут, а каждое исправление становится перманентным улучшением.