← Visos naujienos

OpenAI DevDay sesija apie agentų architektūrą: nuo ciklo prie modelio ir „harness“ sąveikos

ProduktaiŠaltinis: OpenAI YouTube kanalas·
OpenAI DevDay sesija apie agentų architektūrą: nuo ciklo prie modelio ir „harness“ sąveikos

OpenAI Applied AI inžinieriai apžvelgė kelią nuo paprasto agentinio ciklo (samprotavimas plius įrankių naudojimas, pademonstruotas su o3) iki Codex — bendrosios paskirties agento, sukurto kaip modelio ir „harness“ sąjunga. Paaiškinama, kad harness valdo instrukcijas, įrankius, sandbox vykdymo aplinką ir kontekstą per Responses API ciklą, o modelis specialiai treniruojamas dirbti būtent šioje aplinkoje. Kaip pavyzdys pateikiama kompakcija (compaction), įdiegta ir į harness, ir į modelį, kad ilgos užduotys netilptų į vieną konteksto langą.

Pilna santrauka

Sesijos pristatymas ir tikslai0:17

Sesiją pradėjo Raj Bhatek iš OpenAI Applied AI inžinerijos komandos. Jis pajuokavo, kad pranešimo pavadinimas „Kas po ciklų?“ greičiausiai pasens dar prieš baigiant ruošti turinį – būtent taip atrodė agentų kūrimas pastaruosius maždaug metus: tobulėjant modeliams, keičiasi ir pats kūrimo būdas. Jis pažadėjo apžvelgti, kaip prieita iki dabartinės būklės, kokius dizaino sprendimus priėmė OpenAI, ką galima daryti su agentais šiandien ir ką komanda ruošia ateičiai.

Nuo ChatGPT iki agentinio ciklo0:47

Pasakojimą jis pradėjo nuo ChatGPT paleidimo. Pirmas jo bandymas buvo paprašyti parašyti FizzBuzz – dažną pradedančiųjų programuotojų interviu užduotį. Kodas veikė ir tai padarė didelį įspūdį, tačiau esminis apribojimas buvo tas, kad žmogus pats turėjo kopijuoti ir įklijuoti kodą į redaktorių, o modelis nematė rezultato. Viskas pasikeitė, kai AI buvo leista veikti pačiam.

Kaip lūžio pavyzdį Raj parodė o3 pristatymo vaizdo įrašą, kuriame modelis analizuoja paveikslėlį: jis gali jį priartinti, samprotauti apie detales, tikrinti dalykus ir spręsti, ką daryti toliau. Tai sujungė du dalykus – samprotavimą ir įrankių naudojimą – ir sudarė tai, kas vadinama agentiniu ciklu. Kitas klausimas buvo, kas nutinka, kai modeliui duodama prieiga prie viso kompiuterio. Taip atsirado Codex – bendrosios paskirties OpenAI agentas, kurio dizaino filosofija yra leisti agentui veikti remiantis savo samprotavimu: išbandyti požiūrį, pamatyti rezultatą ir keisti kursą.

Codex sukurtas kaip modelio ir karkaso (harness) sąjunga, o modelis specialiai apmokytas dirbti būtent šiame karkase – jis supranta turimus įrankius, kaip juos naudoti ir kaip interpretuoti grįžtamąjį ryšį. Karkaso dizainas lemia apmokymą, o apmokymas – karkaso dizainą.

Codex karkasas ir Responses API2:50

Grįžęs prie FizzBuzz pavyzdžio, Raj pažymėjo, kad su Codex ir ypač su dideliu GPT-5 šuoliu užduotis jau perduodama visa: modelis parašo kodą, jį paleidžia, patikrina išvestį ir pats ištaiso klaidas. Paaiškindamas, kas yra karkasas, jis apibrėžė jį kaip sluoksnį, valdantį instrukcijas, įrankius, tai, ką modelis mato, veiksmų vykdymo aplinką ir kontekstą, perkeliamą iš vieno žingsnio į kitą. Codex yra atviro kodo ir laikomas labai minimalus, su kuo labiau apibendrinamais įrankiais – nuo komandinės eilutės iki failų sistemos ir computer use.

Esminė mintis: jei užduotį galima atlikti kompiuteriu, modeliui turi būti suteikta galimybė ją spręsti taip, kaip tai darytų žmogus.

Techniškai viso to centre yra Responses API ciklas: modeliui perduodami įrankių apibrėžimai, kai jis užklausia įrankio iškvietimo, vykdymas atliekamas sandbox aplinkoje, rezultatas pridedamas prie pokalbio konteksto, o karkasas sprendžia, ar žengti kitą žingsnį.

Kompaktinimas ir konteksto valdymas4:57

Kaip ryškiausią modelio ir karkaso sąveikos pavyzdį Raj pateikė kompaktinimą (compaction). Kontekstas – tai informacija, kurią modelis turi prieš akis: instrukcijos, darbo istorija, užduotis. Vykdant įrankių iškvietimus, skaitant failus ir tikrinant rezultatus istorija auga, bet konteksto langas ribotas. Kai langas prisipildo, kompaktinimas užklausiamas per Responses API (tai, kas po gaubtu vyksta naudojant slash compact), istorija sutirštinama į būseną ir nešama toliau.

Ypatinga tai, kad kompaktinimo samprata įtreniruota į patį modelį: jis supranta, ką reiškia būti sukompaktintam, kaip tęsti darbą iš sukompaktintos būsenos ir ką verta išlaikyti, o ką pašalinti.

Ciklų inžinerija, --goal ir atkaklumas7:02

Tai atrakino ilgo horizonto darbą per kelis konteksto langus ir kelis kompaktinimo įvykius, tačiau iškėlė naują problemą – kaip priversti modelį dirbti, kol darbas iš tiesų baigtas. Ankstesni modeliai nesuprato, ką reiškia „baigta“, ir per anksti užbaigdavo ėjimą. Raj paminėjo Peter Steinberger, OpenClaw kūrėjo, įrašą X platformoje, kuriame tiesiog kartojama daugybė „continue“ komandų – tai išorinio ciklo (outer loop) idėja.

Iš to išaugo ciklų inžinerija (loop engineering), kurią išpopuliarino Geoffrey Huntley su Ralph loop: brute force bash ciklas, kuriame agentas vėl ir vėl vykdo tą patį prompt failą, kiekvienas paleidimas prasideda švariu konteksto langu, perimant failus iš ankstesnio paleidimo. Tai leido agentams nenustoti dirbti, bet paliko kūrėjui rūpestį suprasti, ar daroma pažanga ir kada sustoti.

Šis šablonas į Codex atkeliavo kaip --goal, pristatytas su GPT-5.5. Tikslas saugomas harness pusėje, atskirai nuo pagrindinio konteksto lango, kad jo nepaliestų kompaktinimas; sekamas statusas ir tikrinama, ar agentas baigė darbą. Todėl buvo galima dirbti labai ilgai, per kelis kompaktinimo įvykius, o jei agentas tikrai užstrigdavo, jis galėjo pranešti ir sustoti. Šis patyrimas davė signalą apmokymui: su GPT-5.6 atkaklumas (persistence) buvo įtreniruotas tiesiai į modelį – jis supranta, kas yra naudingi žingsniai, pasitikrina savo darbą ir nebereikalauja nuolatinių „continue“.

Toby Lütke, Shopify generalinis direktorius, apibūdino jį kaip pirmąjį modelį, kuriam nebereikia --goal, o Wharton profesorius Ethan Mollick pasakojo davęs Codex prieigą prie savo kompiuterio ir leidęs jam apie penkias valandas iš eilės žaisti „Slay the Spire 2“.

Daugelio agentų pradžia10:10

Taip atsirado modeliai, gebantys samprotauti, apibendrinti naujoms užduotims, naudotis kompiuteriu ir nuosekliai dirbti ilgą laiką. Naujas klausimas – kaip dirbti greičiau ir lygiagretinti. Daugelio agentų (multi-agent) idėja pristatyta dar 5.6.0 versijoje, bet tik su GPT-6 pasiektas intelekto šuolis, leidęs modeliui pačiam koordinuotis ir spręsti, kaip skaidyti problemas.

Praktika: nuo vieno agento prie kelių11:16

Antrą dalį vedė Eric iš OpenAI DX komandos, kurio vaidmuo – būti tiltu tarp Codex tyrėjų ir inžinierių bei vartotojų, ieškant ir suformuluojant geriausias praktikas. Jo pagrindinis patarimas: imantis ilgos užduoties gundo iš karto kurti visą agentų komandą, bet beveik visada geriau pradėti nuo vieno agento su aiškia užduotimi ir būdu pasitikrinti savo darbą. GPT-6 serija gali nuolat dirbti, suspausti kontekstą ir prasibrauti pro nesėkmes be išorinio ciklo, ir daugeliui užduočių to pakanka; papildomų agentų reikia pridėti tik tada, kai darbas duoda tam priežastį.

Sudėtingoms užduotims – pavyzdžiui, visos kodų bazės refaktoringui ar viso žaidimo kūrimui – GPT-6 modeliai apmokyti koordinuotis ir bendradarbiauti nuo pat pradžių, skaidydami problemą į nepriklausomas dalis. Naudojant Ultra, Codex pats sukuria savo kopijas ir su jomis bendradarbiauja. Tačiau kiekvienas papildomas agentas gali drastiškai padidinti tokenų naudojimą, nebūtinai pagreitindamas ar pagerindamas darbą, tad sprendimas, kada reikia pagalbos, lieka vartotojui.

Kai kurios užduotys akivaizdžiai skaidomos – pavyzdžiui, peržiūrėti penkis PR, kiekvienam priskiriant po subagentą. Kitoms, pavyzdžiui, sudėtingos lenktynių sąlygos (race condition) taisymui, reikia plataus tyrimo, ir pakanka paprašyti Codex pasitelkti porą subagentų tyrimui pasidalinti – kiekvienas turės savo darbinį kontekstą. Tinkamu promptu agentus galima sudėlioti į sudėtingas geometrijas, bet lengva pastatyti struktūras, kurios neprideda jokios vertės.

Effort scaling ir agentų struktūros12:49

Eric pristatė effort scaling – automatinį samprotavimo pastangų lygio ir modelio parinkimą konkrečiai užduočiai per subagentus. Su tinkamu skill'u Sol gali prašyti Astra pagalbos, kai reikia kelių ėjimų iteruojant per testo nesėkmę ir susitelkti ties sunkiąja dalimi, kol Sol lieka atsakingas už integraciją, o paprastesnės pagalbinės užduotys perduodamos Luna agentams. Tai ne visada kainuoja mažiau, nes net Astra negali tobulai nuspėti, kuris modelis išspręs užduotį geriausia kaina, bet mažina sprendimo nerimą renkantis modelį.

Jis parodė sutrumpintą savo skill'o Coordinate versiją: pagrindinį darbą atlieka Sol Medium, sunkumų atveju prašoma Astra High pagalbos, o rutina perduodama Luna High agentams.

Dirbdamas prie savaitgalio žaidimo perkėlimo projekto Eric išbandė struktūrą, kurią vadina „pora“ (the pair). Jis turėjo seną žaidimą, sukurtą senovišku, nebeprieinamu varikliu, bet turėjo projekto failus ir veikiantį žaidimą. Tikslas buvo paleisti seną žaidimą ir vizualiai atkurti veikiančią sceną Blender'yje, kad būtų galima tęsti darbą naujame variklyje.

Vienam agentui pavesta priversti veikti fiksavimo (capture) technologiją sename variklyje, kitam – išpakuoti ir vizualizuoti sceną tinkamu formatu Blender'yje; kadangi formatas galėjo informuoti fiksavimo technologiją, buvo svarbu palaikyti komunikacijos srautą, kad radus optimizaciją kita pusė prisitaikytų. Tokiam nustatymui reikia aiškiai apibrėžti komunikacijos ribas, todėl promptas gana techniškas.

Gijų valdymas ir specializuoti agentai15:30

Kadangi dirbant su Codex įprasta turėti daug lygiagrečių užduočių, o šokinėti tarp gijų varginama, Eric pasiūlė paprašyti Codex tvarkyti gijas už jus. ChatGPT programėlėje Codex gali pradėti naujas gijas, siųsti žinutes kitiems veikiantiems pokalbiams ir juos koreguoti – tai skiriasi nuo subagentų, kuriuos kiekvienas pokalbis taip pat gali naudoti. Tai veikia kaip gijų tvarkyklė, perimanti bendrą tikslą ir pakeičianti anksčiau rankomis rašytus laisvos formos scenarijus.

Pavyzdys – atskiras pokalbis kiekvienam PR peržiūros eilėje; pokalbius galima atsidaryti ir vairuoti rankiniu būdu, o kadangi agentai iš prigimties šnekūs, jie informuoja „vadybininką“ apie visus įsikišimus, tad darbas juda toliau net jei nustojama stebėti.

Vienas Codex kompaktinimo privalumų – kontekstas kaupiasi ir gija gali specializuotis ties ilgai trunkančia užduotimi. Žaidimų projektai gali trukti mėnesius ir natūraliai skyla į juostas: menas, dizainas, programavimas, žaidimo testavimas. Kiekvienai galima priskirti agentą kaip skyriaus vadovą: meno vadovas tvarko aplinkos meną, play testeris tikrina naujausią buildą, o vartotojas pastabas teikia prodiuseriui. Tai nėra efektyviausia tokenų prasme, bet patogu – galima gilintis į naujos mechanikos brainstormingą, kol prodiuseris koordinuoja kitą buildą.

Perteklinės hierarchijos ir darbo žurnalas17:32

Eric įspėjo apie tai, ką vadina vidurinės grandies vadybos mokesčiu: kiekviena nauja taisyklė, kaip agentai turi dirbti kartu, gali priversti juos strigti ieškant patvirtinimo per išgalvotas hierarchijas. Jis pataria per daug negalvoti apie visų agentų valdymą, nes dažnai tai neverta vargo ir lengva prarasti kontrolę dėl komandų sudėtingumo.

Paskutinis jo patarimas – darbo žurnalas. Stebint agentus dažnai pridedama smulkmenų, pamirštų pirmame prompt'e, o po trijų ar keturių kompaktinimų agentas gali nudreifuoti nuo pradinio prompt'o, kuriame liko svarbus kontekstas apie bendrą tikslą. Sprendimas – paprašyti agento vesti kompaktišką darbo žurnalą su bendru tikslu, vykstančiu darbu ir tuo, kaip paskutinis nurodymas su jais susijęs. Taip agentas nepamiršta aktyvių darbo srautų ar anksčiau duotų patikslinimų, o žurnalo kompaktiškumas neleidžia jam virsti nesibaigiančiu dienoraščiu.

Eric baigė priminimu, kad geriausios praktikos turi galiojimo terminą ir nereikėtų prisirišti prie savo darbo eigų.

10 000 agentų: Navier–Stokes19:44

Raj grįžo su klausimu, kas vyksta pereinant nuo kelių agentų prie tūkstančių: kaip priversti juos dirbti darniai, išlaikyti nuoseklumą ir užtikrinti bendrą tikslą. Jis paminėjo OpenAI darbą su Navier–Stokes problema – sena Tūkstantmečio premijos problema, kurią spręsdami naudojo vidinį modelį ir Codex ir rado sprendimą su 10 000 kartu dirbančių agentų; viso darbo metu buvo 2,7 milijono žinučių ir apie 130 milijardų išvesties tokenų. Tokiu mastu keičiasi viskas: kaip dalinamas darbas, kaip valdomas kontekstas, kaip agentai bendradarbiauja.

Agentų komandų architektūra20:45

Naudotą architektūrą jis vadina agentų komandomis: kelios komandos, kiekviena su subagentais, dirba link vieningo tikslo, siekiant tiek gilaus darbo, tiek plataus tyrimo. Pradžioje inicijuotos kelios komandos su skirtingomis problemos versijomis, o promptais skatinti skirtingi požiūriai. Esminis dalykas – komunikacija ne tik komandos viduje, bet ir tarp komandų: dalijimasis radiniais, klausimų uždavinėjimas, žinojimas, prie ko dirba kiti. Pagrindinis tikslas – išvengti dubliuojančio darbo, nes jei visi 10 000 agentų dirbtų prie to paties, tai būtų labai brangu; todėl skatinama įvairovė.

Komandoms gilinantis į savo idėjas keitėsi jų veikla: viena tyrinėjo hipotezę, kita kvestionavo prielaidas, dar kitos vykdė eksperimentus, bet kiekviena išlaikė savo unikalų požiūrį. Atsiradus naujiems radiniams ir klausimams buvo kuriamos ir orkestruojamos naujos komandos, nukreipiant jas perspektyvesnėmis kryptimis – darbo dalijimas keitėsi, bet tikslas liko tas pats. Navier–Stokes atveju, radus nepriverstinio Eulerio rezultatą, visos komandos buvo nukreiptos į problemos sprendimą, ir jis galiausiai buvo rastas.

Rezultatai ir iššūkis klausytojams22:47

Raj pažymėjo, kad šis šablonas davė neįtikėtinų rezultatų, ypač su už GPT-6 galingesniais modeliais: tas pats vidinis modelis leido išspręsti daugiau nei 100 senų matematikos problemų ir toliau naudojamas naujiems atradimams matematikoje bei moksle – ilgas kelias nuo FizzBuzz kopijavimo ir įklijavimo. Baigdamas jis sakė, kad su agentais tik pradedama, ir metė iššūkį klausytojams imtis problemos, kurią jie atidėliojo arba kurios ankstesni modeliai negalėjo išspręsti, pritaikant aptartus metodus, bei nuskenuoti QR kodą su išsamesniu pasakojimu apie Navier–Stokes darbą.

Dalintis:

Originalas: What Comes After Loops?: Deep Dive Into Agentic Architecture | DevDay 2026 (OpenAI YouTube kanalas)

Visos 2026 m. lapkričio 11 d. naujienos · Archyvas