https://meshrefine.com/ru/tags/multi-agent-systems/Записи · Mesh RefinementMon, 23 Jun 2025 20:26:29 +0200https://meshrefine.com/ru/posts/claude_deep_research_lessons/<p>Обычно я стараюсь подходить ко всяким новым блестящим штучкам с определенной долей скептицизма. Именно таким, до недавнего времени, было мое отношение к мультиагентным системам. Я бы сказал, что это неудивительно, так как вокруг них сейчас очень много шума, а по-настоящему успешных примеров такого подхода я не видел. Большинство реализаций, которые действительно работали, относились к одному из следующих видов:</p> <ol> <li><strong>Агентные системы, действующие по определенному плану</strong>. То есть LLM с инструментами, натасканные на автоматизацию вполне конкретного процесса. Благодаря этому, каждый шаг можно тестировать по отдельности и верифицировать его результаты. Описываются такие системы, как правило, в виде направленного ациклического графа (DAG), иногда динамического, и разрабатываются с помощью уже стандартных примитивов из фреймворков типа LangChain и Griptape. Так функционировала ранняя реализация Gemini Deep Research, в которой сначала составлялся план поиска, затем выполнялся сам поиск, и в конце собирался результат.</li> <li><strong>Решения, работающие в системах с обратной связью</strong>. Различные Claude Code, Cursor и прочие агенты, имеющие дело с кодом. Причем чем сильнее обратная связь, читай, чем лучше тулинг и строже проверка типов, тем больше шансов, что они окончательно не испортят вам кодовую базу.</li> <li><strong>Модели, обученные с помощью Reinforcement Learning</strong>, такие как модели с <a href="https://docs.anthropic.com/en/docs/build-with-claude/extended-thinking#interleaved-thinking">interleaved thinking</a>, вроде OpenAI o3. Это отдельный разговор, и очень интересный, но даже такие модели имеют какой-то modus operandi, определенный особенностями их обучения.</li> </ol> <p>При этом мультиагентные системы открытого типа ввиду их общей ненадежности до сих пор существовали в большей части в виде proof of concept. В сообществе не было понимания, где их применять и как именно их реализовывать. Пока не появилась <a href="https://www.anthropic.com/engineering/built-multi-agent-research-system">глубокая инженерная статья от Anthropic о том, как они разрабатывали свой Deep Research</a>. В ней был определен достаточно четкий фреймворк для построения таких систем, и именно его мы сегодня и рассмотрим.</p>Mon, 23 Jun 2025 20:26:29 +0200https://meshrefine.com/ru/posts/claude_deep_research_lessons/