разбор · агентытема-фронтир · H 1.51
4.0
из 10
смотреть не обязательно — забрать выжимку и пункты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал
DeepMind: агенты через навыки, мок-среды и жёсткие квоты
How Google DeepMind Runs Agents at Scale — KP Sawhney & Ian Ballantyne, Google DeepMind
DeepMind строит агентов через IDE Antigravity с встроенным менеджером агентов, используя навыки (skills) и человеческий контроль. Главные проблемы — токен-голод и квоты, решаются через микс моделей и оценку на моках. Для оператора входа в AI ценно: оркестрация агентов, управление квотами, наблюдаемость.
DeepMind строит агентов на Antigravity: навыки решают, токены — боль, оценка — вызов, лимиты — реальность.
что из этого моё
Можно применить для оркестрации агентов: строить систему с общим файловым пространством для обмена контекстом между агентами, внедрить наблюдаемость через траектории, использовать навыки для типовых операций и гибридные модели для экономии. Также важно проектировать интерфейс супервизора для контроля над агентами.
Что забрать
отметь, что берёшь в работу → или отбрось как не своёмоё →
вынести навыки для типовых операций в отдельные файлы и подключить их к агенту
настроить логирование траекторий агента в JSON-файл для диагностики сбоев
смешивать дешёвую локальную модель с мощной для разных компонентов конвейера
о чём говорят, по времени
главы доводят до 10:00 · дальше по ролику меток нет
01
Демо Antigravity00:00 ↗
Показ агента в IDE, который пишет код и управляет браузером.
02
Использование внутри DeepMind02:30 ↗
Как агенты применяются для разработки и исследований.
03
Проблемы масштабирования05:00 ↗
Токен-голод, квоты и оценка агентских систем.
04
Наблюдаемость и отладка08:00 ↗
Инструменты для отслеживания работы агентов.
05
Будущее агентов10:00 ↗
Обсуждение коммуникации между агентами, MCP и автоматического ревью кода.