Вышла книга о создании автономных ИИ-агентов: от основ до продакшена
На arXiv вышло практическое руководство The Hitchhiker's Guide to Agentic AI. Книга описывает полный стек создания автономных ИИ-систем — от архитектуры трансформеров до продакшена и регулирования.
- Руководство охватывает LLM-основу: архитектуру трансформеров, обучение, файнтюнинг (SFT, LoRA, MoE) и оптимизацию инференса
- Отдельные главы посвящены RLHF, PPO, DPO, GRPO и обучению больших моделей рассуждению
- В книге разобраны протоколы MCP и A2A, мультиагентные архитектуры и методы оценки агентов
На arXiv появилась работа The Hitchhiker's Guide to Agentic AI: From Foundations to Systems — практическое справочное руководство по созданию автономных ИИ-систем. Авторы описывают полный стек: от первых принципов до развёртывания в продакшене. Главная мысль книги: для создания хороших агентных систем нужно понимать каждый уровень пайплайна, а не только один.
Первая часть посвящена LLM-основе. В неё входят архитектура трансформеров, GPU-системы, обучение и файнтюнинг (SFT, LoRA, MoE), сжатие моделей и оптимизация инференса. Затем идёт слой выравнивания и рассуждений: RLHF, PPO, DPO и его варианты, GRPO, моделирование вознаграждения, а также обучение с подкреплением для больших моделей рассуждений, включая chain-of-thought и масштабирование на этапе тестирования.
Вторая половина книги целиком посвящена агентному ИИ. Рассматриваются обучение агентов и RL на основе траекторий, RAG и Agentic RAG, системы памяти (контекстная, внешняя, эпизодическая и семантическая), проектирование агентных обвязок, инженерия циклов, графовая оркестрация и таксономия паттернов проектирования агентов. Отдельное внимание уделено безопасности, red teaming и инфраструктуре шлюзов.
Межагентная координация разобрана подробно: протокол Model Context Protocol (MCP), навыки агентов и использование инструментов, протокол Agent-to-Agent (A2A), а также мультиагентные архитектуры — централизованные, децентрализованные и иерархические. Завершают книгу обзор фреймворков для разработки агентов, дизайн агентных интерфейсов, методология оценки (недетерминированная оценка, reasoning collapse, LLM-as-Judge), продакшен-развёртывание и регуляторные требования (EU AI Act, California SB 942) как инженерная задача.
Каждая глава сочетает теорию с рекомендациями по реализации, исполняемыми ноутбуками и ссылками на первоисточники.
Для профиТехнические детали: архитектура, цифры, ссылки
Книга описывает полный стек агентных систем. Ключевые технические темы:
- LLM-субстрат: архитектура трансформеров, GPU-системы, обучение и файнтюнинг (SFT, LoRA, MoE), сжатие моделей, оптимизация инференса.
- Выравнивание и рассуждения: RLHF, PPO, DPO и варианты, GRPO, reward modeling, RL для больших моделей рассуждений (chain-of-thought, test-time scaling).
- Агентный ИИ: обучение на траекториях, RAG и Agentic RAG, память (in-context, внешняя, эпизодическая, семантическая), агентные обвязки, loop engineering, графовая оркестрация, таксономия паттернов, безопасность, red teaming, шлюзы.
- Межагентная координация: MCP, agent skills и tool use, A2A, мультиагентные топологии (централизованные, децентрализованные, иерархические).
- Разработка и оценка: фреймворки, агентный UI, недетерминированная оценка, reasoning collapse, LLM-as-Judge, продакшен, регулирование (EU AI Act, California SB 942).
Каждая глава содержит теорию, рекомендации по реализации, исполняемые ноутбуки и ссылки на литературу. Препринт доступен на arXiv: arXiv:2606.24937.
Вопросы и ответы
- Что такое агентный ИИ?
- Это автономные системы на основе LLM, которые планируют действия, используют инструменты и взаимодействуют с другими агентами.
- Какие протоколы описаны в книге?
- Model Context Protocol (MCP) и Agent-to-Agent (A2A), а также мультиагентные архитектуры.
- Для кого эта книга?
- Для практиков: инженеров и исследователей, создающих агентные системы.
