Перейти к содержанию

Что нового

Эта страница нужна как короткий журнал крупных улучшений книги и опорного пакета. Она не заменяет git history, а помогает читателю быстро увидеть, насколько проект живой и какие слои уже появились.

Актуально на 29 апреля 2026 года.

Book

Часть VIII про жизненный цикл агентной системы

Теперь в книге есть цельный блок про SDLC -> ADLC, change management, assurance loop, supply chain, retirement, misalignment, behavioral evals, AI-native observability и inventory control.

Почему это важно: теперь книга закрывает не только архитектуру и запуск, но и жизнь системы после релиза.

Усилен production contour в частях I-V

В книгу добавлены более точные мосты между архитектурой, retrieval, execution и eval discipline:

  • в части I теперь явнее отделены runtime-архитектура, training layer и product surface;
  • в части II добавлена более четкая taxonomy для prompt injection, jailbreak и action hallucination;
  • в части III усилен retrieval contour: semantic gap, HyDE, RAG first, различие между continued pretraining и SFT;
  • в части IV добавлены practical rules для больших tool catalogs, semantic tool filtering и явные роли MCP host / client / server;
  • в части V усилены продуктовый взгляд на latency budget и practical framing для LLM-as-a-judge.

Почему это важно: книга стала лучше закрывать не только базовые platform layers, но и повседневные вопросы production-команды, которые обычно всплывают между design review, eval loop и rollout.

Reference

Справочный слой с reusable schemas

Книга теперь включает отдельные reference pages для:

  • traces и event catalog;
  • eval datasets и grading contract;
  • policy bundles и approvals;
  • change review и rollout gates;
  • lifecycle artifacts;
  • memory retrieval contracts.

Почему это важно: теперь из объясняющих глав можно быстро переходить к reviewable схемам и артефактам.

Runtime

Runnable reference runtime

В репозитории есть agent_runtime_ref — небольшой исполняемый пакет, который поддерживает:

  • approvals и delegated authorization context;
  • controls и lifecycle runtime-control inspection;
  • lifecycle artifacts;
  • session export и replay summaries;
  • eval dataset export;
  • trace export с redaction, redacted summaries, replay preservation и schema versioning.

Почему это важно: книга теперь опирается не только на narrative chapters, но и на runnable reference implementation.

Practical Appendix

Практический appendix

Сайт уже включает:

  • glossary;
  • cheat sheets;
  • case studies;
  • policy templates;
  • research frontier;
  • community roadmap.

Почему это важно: у читателя есть быстрые входы в чеклисты, кейсы, glossary и practical assets без обязательного линейного чтения всей книги.

Усилены входные страницы

Обновлены:

Теперь они лучше подсвечивают короткие маршруты для тем вроде:

  • semantic tool filtering;
  • HyDE и RAG vs training;
  • latency budget и routed pipelines;
  • LLM-as-a-judge и judge calibration;
  • различие между prompt injection, jailbreak и action hallucination.

Почему это важно: новые темы стали заметны не только внутри отдельных глав, но и на уровне reader entry points.

Publish readiness

Перед публикацией усилен сайт

Перед следующим деплоем начат и заметно продвинут publisher-facing проход качества:

  • draft/planning страницы исключены из опубликованного сайта и sitemap;
  • добавлены OpenGraph/Twitter metadata и social preview image;
  • проверены search index, sitemap, robots, локальные assets, anchors, alt text и внешние ссылки;
  • README на трех языках теперь содержит fast-forward publish checklist для main и docs-prod.

Это не означает, что publisher-facing слой полностью закрыт: еще остаются глубокая EN/ZH-проверка, rendering/export QA, sample-chapter polish и упаковка manuscript/online companion.

Почему это важно: опубликованный сайт должен постепенно приближаться к аккуратному reader-facing продукту, а не выглядеть как сырая сборка из Markdown-файлов.

Что это дает читателю

  • Можно читать книгу как handbook.
  • Можно использовать reference pages как инженерные заготовки.
  • Можно запускать примерный runtime, а не только читать Markdown.
  • Можно опираться на свежие источники от OpenAI, Anthropic, Google, Microsoft и NIST.

Куда идти дальше