Архитектура Governed Agent
Команда разработчиков во главе с Юи Ву (Yiou Wu) представила прототип Text2Dashboard, предназначенный для работы с корпоративными данными. В отличие от простых генераторов кода, система использует архитектуру Governed Agent, которая разделяет роль модели и программного обеспечения. Модель предлагает действия, но детерминированное программное обеспечение контролирует их выполнение, фиксируя переходы состояний.
Ключевые компоненты системы включают:
- Plugin и Runtime: Устанавливаемый плагин Codex и автономный Agent Runtime.
- Typed Tools: Инструменты с типизацией, ограничивающие выбор модели схемой данных.
- Deterministic Hooks: Механизмы для утверждения, аудита, создания контрольных точек и восстановления после сбоев.
Процесс и безопасность
Пайплайн работает по строгому алгоритму: разрешение сущностей → обнаружение метаданных → генерация SQL → композиция дашборда → статическая проверка. Система гарантирует использование только read-only SQL запросов, что исключает риск повреждения данных. Перед отображением применяется динамическая проверка (preflight) и инспекция в браузере.
Результаты тестирования
Эксперименты проводились на замороженных реальных задачах DataBrain и с имитацией сбоев (Hook faults). Модель продемонстрировала высокую надежность в генерации метаданных, но показала ограничения в точности формирования столбцов результатов. Важно отметить, что более 97% времени выполнения занимало инференс модели, что указывает на потенциал оптимизации самой архитектуры.
| Категория задачи | Результат | Детали |
|---|---|---|
| Выбор метаданных | 4/4 (100%) | Полное соответствие критериям |
| Генерация SQL | 4/4 (семантика) | 2/4 — точное совпадение столбцов |
| Однопанельные дашборды | 4/4 (100%) | Успешная генерация |
| Многопанельные дашборды | 1/2 | Одна задача выполнена, одна превысила лимит шагов |
| Обработка сбоев | 10/10 | Нет неавторизованных внешних эффектов |
Значение для индустрии
Text2Dashboard демонстрирует переход от «черного ящика» к управляемым AI-агентам в аналитике. Хотя авторы признают, что результаты не подтверждают готовность к продакшену или преимущество в скорости над ручным трудом, система решает критическую проблему доверия к AI-генерации кода через прозрачность и контроль.
Источник: arXiv cs.AI ↗
