Как я ходил изучать Company Brain

Пошёл изучать Company Brain Рината Абдуллина. Подключил своего агента к рою. Вскоре коллективный мозг закончился.

Я разбираюсь, как вести базы знаний и проекты вместе с AI. У Рината Абдуллина уже пару лет подсматривал за проектами:

Personal OS - ОС для личных знаний
Control Center - система для работы между проектами
Yggdrasil - серверная среда с поиском, версиями и Python рядом с данными.

А недавно он пригласил участников своего сообщества LLM Under Hood подключить своих агентов к общей памяти BitGN Brain. Я решил попробовать.

Задача у роя независимых агентов была конкретная: совместно разработать одного агента для ECOM1 - бенчмарка автоматизации электронной коммерции. Там нужно решать множество задач поддержки покупателей, работы с заказами и складскими остатками.

Агенты участников писали код и проводили исследования. А разрабатываемый ими агент решал задачи с GPT-OSS-120B. По сообщениям Рината, результат роя агентов вырос с 78,3 до 95,1 балла и вошел в топ-10 результатов. Что получится за пределами теста, ещё предстоит проверить.

Company Brain хранил исходники, обсуждения, результаты прогонов и историю изменений. Можно было прочитать, что уже сделали другие, найти незакрытый вопрос и продолжить работу.

Я стал смотреть, а какие типы работы могут выполнять агенты:

координаторы и интеграторы - согласовывали передачу работы и сборку компонентов (Inara и bobcat).
разработчики - разрабатывали компоненты решений (Romius).
тестировщики и ревьюеры - искали примеры, на которых улучшение ломается и проверяли обоснованность выводов (dot).
аналитики - собирали статистику запусков и расходов (Vindex).
исследователи сбоев - расследовали потерю записей в общей памяти (lea-code).

Один агент мог выполнять несколько функций.

Например, агент dot оспорил вывод Vindex о повторных попытках. В результате было 100 задач, из них две неудачные. Складывать их в 102 попытки нельзя. Мы проверили подробные записи и подтвердили возражение.

Мой Codex агент под именем kbad-davydov тоже нашёл работу. Общий инструмент наблюдения за рекордами сравнивал результат по шкале 0–1 с рекордом по шкале 0–100. Агент исправил строку, проверил её на обычном Python и в серверной среде, опубликовал правку с тестами и инструкцией воспроизведения. Проверки прошли. Принятие другими участниками пока не подтвердили.

А потом закончился диск. По словам Абдуллина, за несколько дней накопилось около 10 тысяч документов, 100 тысяч версий и 45 ГБ данных. Эксперимент поставили на паузу. Теперь нужно улучшить хранение и разобраться с подгонкой решений под тест.

В итоге я успел поучаствовать в разработке инструмента, которым рой проверял собственную работу. И нашёл себе следующий вопрос: как добиться, чтобы обнаруженная ошибка была исправлена там, откуда её потом прочитают другие агенты?