Declarative Data Services: новая архитектура ИИ для сборки систем данных из запросов пользователя
Группа исследователей представила архитектуру Declarative Data Services (DDS) — структурированный подход к созданию композитных систем данных с помощью LLM-агентов. Работа опубликована на arXiv и описывает метод, который переводит пользовательский запрос в готовый к развёртыванию стек данных.
Как отмечают авторы, неограниченный агентный поиск — когда модель итеративно правит код по логам ошибок — часто не сходится к работающему решению. Проблема в гетерогенности пространства поиска: нужно подобрать совместимые базы данных, очереди, кэши и другие компоненты, а знания об их взаимодействии распределены неравномерно.
DDS разбивает глобальный поиск на четыре типа контрактов: уровень намерений пользователя, граф операторов, навыки для каждой подсистемы и атрибуты времени выполнения. Вместо одного агента работают несколько суб-агентов, каждый ищет в своём типизированном пространстве. Знания передаются между ними встроенными ссылками на навыки, а ошибки — типизированными сигналами.
Эксперимент проводился на рабочей нагрузке создания торгового бэкенда. Результаты показали, что DDS сходится, тогда как неограниченный поиск застревает. Ошибки времени выполнения превращаются в «заплатки» навыков, которые следующая сборка использует как inline-цитату.
Авторы позиционируют DDS как ранний прототип и отмечают, что извлечённые уроки полезны для реальной композиции систем данных. Архитектура открыта для доработки и может стать основой для автоматизации развёртывания сложных data-инфраструктур.
