Изградио сам више од 12 производних АИ агентних система широм развоја, Девопса и операција података.Ево зашто је тренутни хипе око аутономних агената математички немогуће и шта заправо функционише у производњи. Сви кажу да је 2025 година година АИ агента. Насловнице су свуда: "Автономна АИ ће трансформисати рад", "Агенти су следећа граница", "Будућност је агентска."У међувремену, прошлу годину сам провео изградњу многих различитих система агента који заправо раде у производњи. Ја нисам неки АИ скептични писац са стране.Током протекле године, изградио сам више од десетак система производног агента током читавог животног циклуса развоја софтвера: Генератори корисничког интерфејса који стварају функционалне компоненте Реацт из природног језика, агенти за рефакторирање кода који модернизују наследне кодне базе, генератори документације који аутоматски одржавају АПИ документе и генератори функција који претварају спецификације у радне имплементације. Development agents Агенти за операције базе података који се баве сложеним упитама и миграцијама, DevOps аутоматизује АИ системе који управљају инфраструктуром-као-кодом преко више провајдера облака. Data & Infrastructure agents ИИ-помоћне ЦИ / ЦД цеви које поправљају проблеме са траком, генеришу свеобухватне тестове, изводе аутоматизоване ревизије кода и креирају детаљне захтеве за повлачење са одговарајућим описима. Quality & Process agents Ови системи раде. Они испоручују стварну вредност. Они штеде сате ручног рада сваки дан. И управо зато мислим да већина онога што чујете о 2025. години као "години агента" пропусти кључне реалности. TL;DR: Three Hard Truths About AI Agents ТЛ;ДР: Три тешке истине о АИ агентима Након изградње 12+ производних система, ево шта сам научио: Стопа грешака се експоненцијално повећава у вишестепеним радним токовима. 95% поузданост по кораку = 36% успеха преко 20 корака. 
 
 
 Контекстни прозори стварају квадратне трошкове токена. Дуги разговори постају забрањиво скупи на скали. Pravi izazov nije u AI mogućnostima, već u dizajnu alata i sistema povratnih informacija koje agenti mogu da koriste efikasno. Математичка стварност о којој нико не говори Ево непријатне истине коју свака компанија за АИ агенте плеше: компоновање грешака чини аутономне вишестепене радне токове математички немогућим на производној скали. Ако сваки корак у току рада агента има 95% поузданост, што је оптимистично за тренутне ЛЛМ-ове, онда: 
 
 
 
 5 корака = 77% стопа успеха 10 корака = 59% стопа успеха 20 корака = 36% стопа успеха Производним системима је потребна поузданост од 99,9%. Чак и ако магично постигнете поузданост од 99% по кораку (коју нико нема), и даље добијате само 82% успеха преко 20 корака. Ово није брзи инжењерски проблем. Ово није проблем способности модела. Ово је математичка стварност. Мој ДевоПс агент ради управо зато што то заправо није 20-степени аутономни радни ток. То је 3-5 дискретних, независно верификованих операција са експлицитним тачкама повратка и људским капијама за потврду. „Агент“ се бави сложеношћу генерисања инфраструктурног кода, али систем је архитектован око математичких ограничења поузданости. Сваки успјешан систем агента који сам изградио прати исти образац: ограничени контексти, верификоване операције и људске тачке одлучивања (понекад) на критичним везама. Токен економија која се не додаје Постоји још једна математичка реалност коју агенти евангелисти погодно игноришу: контекстни прозори стварају квадратну скалацију трошкова која чини економски немогућим разговорне агенте. Ево шта се заправо дешава када изградите "разговорног" агента: 
 
 
 
 
 Свака нова интеракција захтева обраду свих претходних контекста Токен трошкови скале квадратно са дужином разговора Разговор од 100 окрета кошта 50-100 долара само у токенима Умножите хиљадама корисника и гледате на неодрживу економију То сам научио на тежак начин када сам прототипирао агента за разговоре. Првих неколико интеракција је било јефтино. До 50. упита у сесији, сваки одговор коштао је неколико долара - више од вредности коју је пружио. Мој агент за генерисање функција успева јер је потпуно без статуса: опис → функција → урађено. нема контекста за одржавање, нема разговора за праћење, нема квадратне експлозије трошкова.То није "цхат са својим кодом" искуство, то је фокусиран алат који ефикасно решава одређени проблем. Најуспешнији "агенти" у производњи уопште нису разговорни.Они су паметни, ограничени алати који добро раде једну ствар и излазе из пута. Инжењерски зид реалности Чак и ако решите математичке проблеме, погодили сте другачији тип зида: изградња производних алата за агенте је потпуно другачија инжењерска дисциплина коју већина тимова потцењује. Сами позиви алата су сада прилично прецизни. Прави изазов је дизајн алата. Сваки алат мора бити пажљиво израђен како би пружио праву повратну информацију без преоптерећења контекстног прозора. 
 
 
 
 
 Како агент зна да ли је операција делимично успјешна? Како комуницирате сложене промене стања без сагоревања токена? Потрага за базу података може да врати 10.000 редова, али агент само треба да зна "потрага је успјела, 10к резултата, ево првих 5." Када алат не успе, које информације агент треба да опорави? Превише мало и заглави се; превише и ви губите контекст. Како се бавите операцијама које утичу једни на друге? трансакције базе података, браве датотека, зависности ресурса. Агент моје базе података не ради зато што су позиви алата непоуздани, већ зато што сам провео недеље дизајнирања алата који ефикасно комуницирају са АИ. Компаније које обећавају "само повежите своје АПИ-је и наш агент ће то схватити" нису урадиле овај инжењерски посао. Они третирају алате као што су људски интерфејси, а не АИ интерфејси. Prljava tajna svakog sistema proizvodnog agenta je da AI radi možda 30 odsto posla, a preostalih 70 odsto je inženjering alata: dizajniranje interfejsa za povratne informacije, efikasno upravljanje kontekstom, upravljanje delimičnim neuspehom i izgradnja mehanizama za oporavak koje AI može da razume i koristi. Провера реалности интеграције Али рецимо да решите проблеме поузданости и економије. још увек морате да се интегришете са стварним светом, а стварни свет је хаос. Enterprise sistemi ne čiste API-je koji čekaju da ih AI agenti orkestriraju.To su nasledni sistemi sa čudnim karakteristikama, delimičnim načinima neuspeha, tokovima autentikacije koji se menjaju bez obaveštenja, ograničenjima stopa koji se razlikuju od vremena do dana i zahtevima za usaglašenost koji se ne uklapaju uredno u predloške. Мој агент за базу података не само да "самостално извршава упите." Она се креће кроз спајање веза, обрађује повратне информације о трансакцијама, поштује реплике само за читање, управља временским интервалима упита, и региструје све за трагове ревизије. Компаније које обећавају "аутономне агенте који се интегришу са вашим цијелим технолошким стеком" су или претерано оптимистичне или заправо нису покушале да изграде производне системе на скали. Šta zaista funkcioniše (i zašto) Након што сам изградио више од десетак различитих система агента током читавог животног циклуса развоја софтвера, сазнао сам да успешни они деле један образац: 
 
 
 
 
 
 Агент за генерацију моје корисничке интерфејса ради зато што људи прегледају сваки генерисани интерфејс пре распореда. Мој агент за базу података ради јер потврђује сваку деструктивну операцију пре извршења.АИ се бави сложеношћу превода пословних захтева у СКЛ, али људи задржавају контролу над интегритетом података. Мој агент за генерисање функција ради јер ради у јасно дефинисаним границама. Дајте му спецификацију, вратите функцију. Нема нежељених ефеката, нема управљања стањем, нема сложености интеграције. Моја ДевоПс аутоматизација ради јер генерише инфраструктуру-као-код који се може прегледати, верзионисати и вратити уназад. Мој ЦИ / ЦД агент ради јер свака фаза има јасне критеријуме успеха и механизме повратка.АИ се бави сложеношћу анализе квалитета кода и генерисања поправки, али цевовод задржава контролу над оним што се заправо спаја. Узорак је јасан: АИ се бави сложеношћу, људи одржавају контролу, а традиционални софтверски инжењеринг се бави поузданошћу. My Predictions Моја предвиђања Ево моје специфичне прогнозе о томе ко ће се борити 2025. године: Њихове демонстрације раде одлично са радним токовима од 5 корака, али клијенти ће захтевати 20+ коракних процеса који се математички разбијају. Enterprise softverske kompanije koje su vezale "AI agente" na postojeće proizvode videće usvajanje stagnantno. U međuvremenu, pobednici će biti timovi koji grade ograničene, domene specifične alate koji koriste veštačku inteligenciju za teške delove dok održavaju ljudsku kontrolu ili stroge granice nad kritičnim odlukama. Tržište će naučiti razliku između veštačke inteligencije koja dobro demonstrira i veštačke inteligencije koja pouzdano plovi. Не кладим се против АИ. кладим се против тренутног приступа архитектури агента. али верујем да ће будућност бити много вреднија него што хипе предлаже. Изградња правог пута Ако размишљате о изградњи са АИ агентима, почните са овим принципима: Шта тачно ваш агент може да уради, и шта то преноси људима или детерминистичким системима? Define clear boundaries. Како се бавите 20-40% случајева у којима АИ прави грешке? Design for failure. Колико кошта свака интеракција, и како то скалира са употребом? Solve the economics. Корисници верују алатима који конзистентно раде више него што цене системе који повремено раде магију. Prioritize reliability over autonomy. Користите АИ за тврде делове (разумијевање намере, генерисање садржаја), али се ослањајте на традиционални софтверски инжењеринг за критичне делове (извршење, управљање грешкама, управљање стањем). Build on solid foundations. Jednostavno neće izgledati kao ono što svi obećavaju 2025. godine, i to je upravo razlog zašto će uspeti. Prave lekcije iz trenča Разлика између "радова у демо-у" и "радова у скали" је огромна, а већина индустрије још увијек то схвата. Ако радите на сличним проблемима, волео бих да наставим овај разговор. изазови око поузданости агента, оптимизације трошкова и сложености интеграције су фасцинантни инжењерски проблеми који још немају очигледна решења. Редовно саветујем тимове и компаније да се крећу кроз ове тачне изазове - од архитектонских одлука до избјегавања замки које сам научио из прве руке.Без обзира да ли процењујете одлуке о изградњи и куповини, дебугирате зашто ваши агенти не раде у производњи, или само желе да их имплементирају, слободно контактирајте. Што више људи гради праве системе и дели поштена искуства, брже ћемо сви схватити шта заправо функционише. Ако желите да уроните дубље у било коју од ових тема. X

Read My Stories

Овај аудио је произведен на оригиналном језику приче!

Престани да верујеш агенту - бројеви не лажу

About Author

КОМЕНТАРИ

ХАНГ ТАГС

ОВАЈ ЧЛАНАК ЈЕ ПРЕДСТАВЉЕН У

Related Stories

Leadership Success Story: Srinath Muralinathan's Transformative Projects at Amazon

Sravana Kumar Reddy Yeruva’s Fusion Transformation Sets a New Standard in ERP Excellence

Scaling Web Testing with Automation: Srikanth Srinivas’s Digital Strategy Breakthrough

Building the Cloud Future: Sreedevi Velagala's Trek in AWS Architecture

Leadership Success Story: Srinath Muralinathan's Transformative Projects at Amazon

Sravana Kumar Reddy Yeruva’s Fusion Transformation Sets a New Standard in ERP Excellence

Scaling Web Testing with Automation: Srikanth Srinivas’s Digital Strategy Breakthrough

Building the Cloud Future: Sreedevi Velagala's Trek in AWS Architecture

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps