Meta Engineering opisuje wzorzec „thin orchestrator”, w którym centralna warstwa agentów AI tylko kieruje zadania i pilnuje kontroli niezawodności, a rozumowanie domenowe zostawia wyspecjalizowanym subagentom. Orchestrator ma ok. 1300 linii, obsługuje ponad 20 workflowów i deleguje je do 14 subagentów, sam nie wykonując żadnej pracy domenowej. Punktem wyjścia był pojedynczy agent z całą wiedzą o automatyzacji onboardingu kolumn danych w systemach rekomendacyjnych Meta (3 repozytoria, 3 języki, do 6 etapów pipeline'u). W produkcji zaczął halucynować: po przekroczeniu pewnego progu kontekstu mieszał konwencje nazewnictwa między podsystemami. Alternatywne podejście z jednym agentem miało 70–80% skuteczności przy ręcznym prompt engineeringu per zadanie, a bez niego tylko 10–20%. Orchestrator działa wg stałego 7-krokowego protokołu, w którym tylko krok 6 (delegacja) angażuje LLM, i to w izolowanym kontekście subagenta. Nowe przypadki użycia, np. Pipeline Migration, powstają jako workflow templates sekwencjonujące istniejących agentów, bez nowego kodu agentów, a ponad 25 plików wiedzy ładuje się na żądanie. Przygotowanie konfiguracji nowej kolumny skróciło się z 3–4 dni ręcznie (ok. dnia w poprzednim systemie) do poniżej godziny, a ok. dwie trzecie zmian trafia bez istotnych poprawek człowieka. Dla zespołów budujących produkcyjne agenty AI wniosek jest taki, by oddzielić routing (deterministyczny) od rozumowania (probabilistycznego) i skalować szablonami workflow. Meta planuje skal
Źródło: Meta — oryginalny artykuł ↗
Chcesz wiedzieć, jak ta zmiana wpłynie na Twoją stronę?
Nasz zespół analizuje każdą aktualizację Google w 48h i przekłada ją na konkretne działania dla klientów.
Bezpłatna analiza wpływu