Кирилл Красиков. Deep Research: анатомия исследовательских агентов

Исследовательские задачи требуют работы с большим объёмом информации: декомпозиции запроса, поиска данных, агрегации контекста и проверки полученных результатов. Для автоматизации таких процессов используются специализированные агентные архитектуры, поддерживающие итеративный поиск и управление исследовательским процессом.В open-source сформировалось несколько устойчивых архитектурных подходов к построению таких систем. В докладе разберём ключевые архитектурные паттерны, применяемые в современных исследовательских агентах: supervisor-researcher для декомпозиции задач и параллельного поиска, reflection loop для итеративного улучшения результатов и приёмы оптимизации исследовательского процесса (draft-first, steering, compress).Отдельно обсудим подходы к оценке качества исследовательских систем с помощью метрик RACE и FACT. Слушатели получат понимание архитектурных компонентов исследовательских агентов, практические паттерны для автоматизации сложных задач поиска и анализа информации, подходы к оценке качества результатов deep research. Презентация - https://disk.360.yandex.ru/i/DVwS5DLf... Сайт - https://16.codefest.ru