Главная трудность — не синтаксис SQL сам по себе, а семантика большой платформы данных: выбрать правильные источники, понять их происхождение, корректно соединить таблицы, применить необходимые фильтры и заметить ошибочный промежуточный результат.
OpenAI окружила GPT-5.2 шестью слоями контекста и набором инструментов. Часть знаний заранее агрегируется и индексируется для поиска через RAG, а недостающий или устаревший контекст агент получает во время выполнения из хранилища и других систем Data Platform.
По утверждению авторов, внутренний агент позволяет в ряде рабочих сценариев переходить от вопроса к инсайту не за дни, а за минуты, однако статья не публикует benchmark этого ускорения, измеримую accuracy или итоговый eval score. Более 3,5 тыс. внутренних пользователей, более 600 ПБ данных и 70 тыс. наборов данных характеризуют масштаб Data Platform OpenAI, а не аудиторию или результативность самого агента.
Долгая задача не помещается в одно контекстное окно, а новая сессия агента не знает, что было сделано раньше.
Первый запуск готовит устойчивое состояние проекта, а следующие сессии делают по одному небольшому изменению, проверяют его и оставляют git-историю и журнал прогресса.
В демонстрации с клоном claude.ai Anthropic получила более устойчивый многосессионный процесс: агент восстанавливает состояние по файлам и git, берёт одну незавершённую функцию и проверяет её через сквозной пользовательский сценарий. Численной оценки улучшения и доказательства массового внедрения источник не приводит.
Полезно для агентов, которым недостаточно одного диалога или одного окна контекста.
Один агент вынужден последовательно исследовать множество возможных направлений, хотя часть из них независима. Для широких исследовательских задач это ограничивает объём поиска, создаёт зависимость результата от одной траектории и может растянуть работу на большое число последовательных действий.
Ведущий агент работает как координатор: определяет стратегию, разделяет независимые направления между подагентами, собирает их результаты и при необходимости запускает новый раунд исследования. Подагенты получают отдельные контекстные окна и инструменты, а CitationAgent после исследования привязывает утверждения отчёта к источникам. Такая схема позволяет параллельно расходовать больше вычислительного бюджета, но требует отдельной инженерии координации, оценки и надёжности.
На внутреннем наборе исследовательских задач конфигурация с ведущим Claude Opus 4 и подагентами Claude Sonnet 4 превзошла один Claude Opus 4 на 90,2%. Статья не раскрывает полную методику проверки и не представляет этот результат как универсальный прирост. Отдельный анализ BrowseComp связывает различия в результатах прежде всего с расходом токенов. Цена подхода высока: отдельные агенты тратят примерно в 4 раза, а многоагентные системы — примерно в 15 раз больше токенов, чем обычный чат.
Нужно быстро и устойчиво обрабатывать обращения, но развитие автоматизации ограничивают не только вычисления: создание агентов требует ручной работы и согласований между несколькими командами.
Сохранить работающие графы и классификаторы, распределить задачи между моделями разной сложности, организовать общий доступ к вычислениям и передать подготовку сценариев продуктовым менеджерам через Conclave AI.
При нагрузке 10 запросов в секунду задержка ответа составляет около 2 секунд по P50 и 5 секунд по P90. Около 12% обращений уходят в решения без участия человека, а примерно в 34% обращений участвуют LLM.
Заранее собранный внешний контекст часто добавлял шум, плохо подходил для нескольких изображений и не позволял модели самой запрашивать недостающие сведения.
Обучать модель рассуждать и выбирать полезные обращения к инструментам, получать их реальные результаты и продолжать решение с обновлённым контекстом.
Alice AI 35B Reasoning превзошла инструктивный вариант во всех восьми показанных тестах: например, MathVista — 86,2% против 65,1%. Обученное использование инструментов дополнительно улучшило парные оценки; преимущество относительно Qwen зависело от задачи.
Разрозненные MCP-интеграции команд дублировали инфраструктуру, усложняли обнаружение инструментов и не давали единых правил эксплуатации, безопасности и доступа к API.
MCP Registry автоматически собирает определения инструментов, но включает их только после решения владельцев; Proxy Gateway единообразно проверяет права, преобразует запросы и вызывает существующие или нативные MCP-сервисы. Omni MCP, Response Projection и Code Mode уменьшают объём схем и ответов, попадающих в контекст агента.
В статье от 1 октября 2026 года Uber сообщает о размещении более 800 MCP-серверов и более 5000 инструментов. Это самоотчёт о масштабе платформы, без опубликованных сравнительных замеров производительности агентов или бизнес-эффекта.
Корпоративные знания разбросаны по документам и командам; текстовый ответ без актуальных источников, прав и доступных действий не завершает повторяемый рабочий процесс. У команды возникла задача объединить поиск, специализированных помощников и проверяемую оркестрацию.
Растить агентов из полезных проектов с владельцами, эталонами и инструментами. PortalManager собирает дерево агентов и контекст каждого обращения, ADK Runner исполняет ReAct, RAG подбирает документы, MCP Hub отделяет вызовы внешних сервисов, а бенчмарки контролируют качество на четырёх уровнях.
Автор описывает работающую платформу и первого доменного консультанта корпоративного центра с ночным обновлением баз из Confluence, ответами со ссылками и маршрутизацией запросов. Измеренного бизнес-эффекта или таблиц результатов бенчмарков нет; 30 минут против пары минут — иллюстрация, 85% на схеме — целевой ориентир. Длительные процессы и LLM-вики остаются планами.
Быстрая запись памяти видит лишь текущий разговор и небольшую выборку похожих воспоминаний. Поэтому с накоплением истории в хранилище остаются дубли, устаревшие факты и несвязанные наблюдения, которые мешают поиску и могут искажать ответы агента.
При извлечении новой памяти строго проверять, поглощает ли она старую запись или явно заменяет тот же факт; менять её состояние условной записью и сохранять ссылку на замену. Отдельно по расписанию создавать осторожные обобщения из нескольких независимых наблюдений, сохраняя исходные ID. Управлять видимостью исторических версий при поиске.
По описанию разработчика Mem0, Dream сохраняет историю вместо удаления, позволяет скрывать объединённые записи и получать только актуальные факты, а синтез выполняет вне пользовательского запроса. Mem0 заявляет неизменность задержки add/search, но не приводит численной оценки прироста качества или результатов независимого A/B-теста.
Hiring Assistant должен извлекать долгосрочные предпочтения рекрутера из разнородных проектов и действий, отвечать быстро и не пересекать границы доступа. Обычная история в контексте LLM, плоский поиск по фрагментам и иерархия на основе кластеров похожих документов по-разному нарушают эти требования.
HLTM строит дерево по существующей бизнес-иерархии contract/account → recruiter seat → project; исходные данные привязаны к проектам. Для каждого узла заранее создаются пары «поле — значение», готовые вопросы с ответами и содержательная сводка. Агрегация снизу вверх позволяет искать и общие предпочтения, и точные факты. При запросе сначала жёстко ограничивают доступное поддерево, затем независимо ищут по трём представлениям и передают найденное LLM вместе с идентификаторами источников.
С начала 2026 года HLTM полностью внедрена в LinkedIn Hiring Assistant. В отдельном лабораторном сравнении на 1 341 запросе правильность ответов на обобщающие вопросы составила 0,892 против 0,833 у сильнейшего конкурента, а F1 поиска — 0,782 против 0,617. Анализ более 3 000 продуктовых диалогов показал меньшую долю негативных оценок в сессиях с использованием памяти на 5–10 процентных пунктов; это наблюдательное сравнение, не заявленный рандомизированный эффект.
Число вычислительных ядер растёт вместе с аппаратными платформами, архитектурами моделей и наборами операций. Экспертная ручная настройка не успевает покрывать специализированные рекламные нагрузки и новые поколения ускорителей.
KernelEvolve рассматривает оптимизацию ядра как многошаговый поиск. LLM предлагает код, job harness компилирует и измеряет варианты, дерево поиска использует диагностику и историю ветвей, а база знаний поставляет аппаратные документы и сохранённые навыки.
По данным Meta, система прошла все 250 задач KernelBench и подтвердила корректность 480 конфигураций ATen; в отдельных рабочих нагрузках сообщается о приросте пропускной способности инференса Andromeda более 60% на NVIDIA и обучения рекламной модели более 25% на MTIA.
Продавцам сложно ориентироваться в справке и данных кабинета, а обычный RAG ошибается в ответах и терминологии Маркета.
Диспетчер выбирает сценарий: справка ищет подготовленные документы, агент аналитики вызывает адаптированные инструменты кабинета, а оператор подключается по отдельному маршруту.
Запущены справочный MVP и пилот аналитики; используется LLM-диспетчер. Поиск, маршрутизация и ответы оцениваются отдельно. Взаимодействие агентов остаётся направлением экспериментов.
На растущей платформе агентов нужно регулярно оценивать роутинг и диалоги, но финансовой экспертизы массовых разметчиков и LLM недостаточно.
Группировать запросы, ответы и диалоги, оставляя экспертам разметку кластеров; персональные факты проверять по вызовам функций и финальному ответу.
Мониторинг охватывает 80% трафика; качество роутинга выросло с 70% до 90% (+20 процентных пунктов). Размер выборки, период измерения и доверительные интервалы не раскрыты.