Kihagyás

Agentic Engineering státusz

Aktuális fókusz

Az Agent Skills, Agentic Loops és Agent Architecture mind elkészült first-draft mélységben. Az Agentic Engineering workstream így teljes első körös tanulási térképet ad a capability designtól a runtime controlon át a production architecture-ig.

Aktuális állapot

  • Az AI Foundations first-draft mélységben kész.
  • Az Agent Skills 12 részletes first-draft témával kész.
  • Az Agentic Loops 12 részletes first-draft témával kész.
  • Az Agent Architecture 12 részletes first-draft témával kész.
  • Az architecture lefedi a modular monolith, Hexagonal/Ports & Adapters, Clean Architecture, DDD/bounded contexts, context/state/memory boundaryk, capability/tool architecture, RAG integration, security, queue-k, reliability, multi-agent trade-offok, evaluation és observability témákat.

Döntések

  • A progression: capability → loop → architecture.
  • Az agentic system normál software system, amelyben probabilisztikus komponensek explicit determinisztikus boundarykon belül működnek.
  • A modell semantic decisiont javasol; az application/runtime code tulajdonolja a canonical state-et, lifecycle-t, authorizationt, budgetet, approvalt, side-effect guarantee-t és hard completion rule-t.
  • A context ideiglenes, purpose-specific projection, nem execution state és nem database.
  • Megkülönböztetjük a domain/operational state-et, run state-et, session state-et, long-term memoryt és model contextet.
  • A tool execution mechanism application-owned capability/port contract mögött; provider SDK és MCP connector adapterben marad.
  • A modulokat business capabilityk köré szervezzük, nem AI provider/framework alapján.
  • Modular monolithot preferálunk, ha megfelel az ownership, scaling, security és reliability igényeknek; service extraction csak konkrét boundary miatt történjen.
  • Ismert overall control flow esetén deterministic workflow + bounded agentic island a preferált megoldás.
  • Multi-agent architecture csak valós responsibility, permission, trust, scaling vagy ownership okból indokolt, és egyszerűbb baseline-hoz kell mérni.
  • Retrieval reference knowledge-hoz, live tool/application service aktuális operational truth-hoz való.
  • Retrieved/tool content data/evidence, nem trusted control-plane instruction.
  • Long-running run durable state-et, queue/event-driven resume-ot, checkpointingot, idempotency/reconciliationt és explicit retry budgetet használjon.
  • Evaluation és observability a teljes trajectoryt fedje: context, model callok, policyk, capabilityk, state transitionök és final outcome.

Elkészült

  • Agent Skills 1–12 — first detailed draft kész.
  • Agentic Loops 1–12 — first detailed draft kész.
  • Agent Architecture 1–12 — first detailed draft kész.

Következő lépések

  • Agent Skills, Loops és Architecture review/refine a felmerülő kérdések alapján.
  • A patternök validálása implementációs példákkal és architecture exercise-okkal.
  • Következő külön AI workstream tudatos kiválasztása: RAG, MCP vagy Memory.