Помимо выбора совиньон блана, написал на выходных скилл по поиску небанальных статей про агентов из техноблогов больших компаний:

https://github.com/maddness/agent-research-radar


Пока дебажил, наткнулся на одну неплохую:

https://huggingface.co/blog/allenai/shippy-tech-blog

Ребята написали агента, который отвечает на вопросы по судам в морском пространстве Ганы: сколько в водах кораблей, кто где плавает, какие морские события сейчас идут и прочее.

Хорошая статья, которая в целом показывает на обзорном уровне все современные внутренности ai-агента.

- модель они взяли Opus 4.6, отлично

- харнесс взяли OpenClaw, тут уже можно начать душнить, но если так проще для первой версии - почему нет. В OpenClaw много лишнего, и если вам нужен легкий лаконичный агент, есть варианты лучше (zero, nano, pi)

- у агента более пяти внешних API для получения риалтайм данных, они написали скиллы внутри которых лежат cli. Самый верный способ - до этого пытались собирать запросы в api на лету, но был фон галлюцинаций. В итоге cli закрыли проблемы и упростили тестирование

- изоляцию они сделали на k8s, под каждого пользователя разворачиваются поды с агентом, получаем полную изоляцию. Это самая странная часть, особенно учитывая немаленький образ и ресурсы OpenClaw, тут кажется при большом количестве клиентов будет оверхед. Да и решения типа microVM слышал более легковесные. Плюс со стороны кажется такая изоляция им не нужна, если все покрыто клишками и модель не должна писать код, отключили бы нужные тулы у OpenClaw и всё

- по эвалам хорошо, расписали базовые кейсы, гоняют их в сендбоксе на реальных данных, проверяют использует ли модель тулы, оценивают через судью разные критерии от 0 до 1 с разными весами, получают итоговый скор. Дешево и сердито)

Годное легкое чтиво, минут за 20, уровень начальный-средний.

———
Если кто попробует и будет фидбэк по скилу, кидайте, поправлю