Agents that оцеляват production.

Осем до четиринайсет седмици от kick-off до production rollout. Discovery е включен, ако го правите с нас; иначе работим от вашата съществуваща спецификация.

Вие. Repo-то живее във вашата org от ден едно. Commit-ваме там. Не пускаме нищо собствено, което не можете да възпроизведете.

Всяко release минава през eval gates: детерминистични проверки (схема, латентност, разход), покритие на tool-call и spot checks с LLM-judge. Deploy спира, ако нещо регресира.

Бюджети на повикване и на ден. Капваме контекста с retrieval-truncation, рутираме към по-евтини модели, където eval-ите позволяват, и падаме обратно към детерминистични пътища под ценови натиск.

Всеки път има fallback. Детерминистична логика хваща често срещаните случаи; пътят на агента стои отгоре. Rollback е смяна на route на един ред зад feature flag.

Две седмици shadowing при ramp, runbook + eval suite, доставени във вашето repo, припокриване на on-call за първия инцидент. След това е ваша.

Faithfulness (следва ли отговорът от цитираните документи?), grounding (реални ли са цитатите?) и recall (намерихме ли правилните документи?). Всяко release изпълнява suite-а.

Да. Durable execution улавя inputs на всяка стъпка. Replay срещу известно лош input възпроизвежда грешката точно, включително недетерминистични LLM повиквания, когато моделът е seedable.

Всеки агент има типизирана идентичност + mTLS по подразбиране. Използваме scoped tokens с кратък живот; повикванията между агенти носят trace IDs, за да може одиторът да реконструира потока.

Само добавъчно по подразбиране, с поле `version` на всеки envelope и deprecation policy, проверявана в CI. Breaking changes минават през прозорец с паралелни версии.