Внедрение TaskWeaver (Microsoft) для аналитических AI-агентов

Мы привыкли, что аналитик тратит день на Excel, хотя задача сводится к паре запросов. В одном из проектов команда из трёх человек ежемесячно готовила отчёт руками — 40 часов каждый. TaskWeaver — фреймворк Microsoft Research — превращает английское описание в выполняемый Python-код. Мы внедряем таких агентов под ключ: подключаем источники, настраиваем sandbox и учим агента вашим бизнес-правилам. В итоге отчёт, на который уходил день, готов за полчаса, а аналитик переключается на содержательные задачи.

Проблемы, которые решаем

Ошибки при ручном копировании. Перенос формул между Excel и отчётами — источник 2–3 ошибок в квартал. TaskWeaver генерирует код, исключая человеческий фактор: одна формула один раз, а не копирование в 20 ячеек.

Невоспроизводимость отчётов. Когда аналитик уходит, его «рецепт» часто теряется. Агент хранит весь пайплайн в коде — можно перезапустить с теми же результатами через месяц.

Долгая обработка больших датасетов. Загрузка CSV через pandas в ноутбуке занимает минуты, а агент делает это без GUI, просто и быстро.

Как мы это делаем: стек и конфиги

Используем последнюю версию TaskWeaver (GitHub) с GPT-4o. Песочница на Docker, разрешённые модули — только нужное для аналитики. Для неструктурированных данных настраиваем RAG: агент ищет релевантные документы в векторной базе и использует их как контекст.

# Установка TaskWeaver
git clone https://github.com/microsoft/TaskWeaver.git
cd TaskWeaver
pip install -r requirements.txt

// project/taskweaver_config.json
{
  "llm.api_base": "https://api.openai.com/v1",
  "llm.api_key": "sk-...",
  "llm.model": "gpt-4o",
  "planner.example_base_path": "${AppBaseDir}/examples",
  "code_interpreter.use_local_uri": true,
  "code_interpreter.allowed_modules": ["pandas", "numpy", "matplotlib", "sklearn", "scipy"]
}

Кастомные плагины пишем под корпоративные базы. Пример — плагин db_query для SQL-запросов:

from taskweaver.plugin import Plugin, register_plugin
import pandas as pd

@register_plugin
class DatabaseQueryPlugin(Plugin):
    def execute(self, query: str, database: str = "analytics") -> pd.DataFrame:
        conn = get_db_connection(database)
        return pd.read_sql(query, conn)

Плагин регистрируется в yaml-файле, но чаще мы настраиваем его кодом.

Практический кейс из нашей практики: финансовый анализ за 25 минут

Задача: наш клиент, финтех-компания, ежемесячно тратил 2 дня на подготовку отчёта: загрузка данных из 3 источников, расчёт 15 KPI, построение 8 графиков, выявление аномалий.

Решение: внедрили TaskWeaver-агента, который автономно выполняет весь цикл:

• Запросы к PostgreSQL (выручка, затраты)
• Загрузка Excel-файлов (бюджет)
• Расчёт KPI через pandas
• Построение графиков (matplotlib/plotly)
• Генерация markdown-отчёта с выводами

Результаты:

• Время подготовки отчёта: 2 дня → 25 минут автоматической работы + 40 минут ревью
• Ошибки в расчётах: 0 (раньше 2–3 в квартал при ручном копировании)
• Аналитик переключился на содержательную интерпретацию, а не рутину

Почему TaskWeaver лучше обычного Code Interpreter?

ChatGPT Code Interpreter разрывает контекст при каждом запуске. TaskWeaver сохраняет состояние сессии: можно сделать шаг 1, остановиться, посмотреть промежуточный результат, затем дать команду «повтори анализ только по региону А». Это даёт в 5 раз больше контроля над многошаговым анализом.

from taskweaver.app.app import TaskWeaverApp

app = TaskWeaverApp(app_dir="./project")
session = app.get_session()

# Шаг 1: загрузка и очистка
session.chat("Загрузи данные продаж из БД за прошедший год, удали дубликаты")
# Шаг 2: анализ сезонности
session.chat("Проведи STL-декомпозицию")
# Шаг 3: прогноз
session.chat("Построй прогноз на следующий квартал с помощью Prophet с backtesting")
# Шаг 4: отчёт
result = session.chat("Сформируй markdown-отчёт с графиками")
print(result.post_list[-1].get_text())

Какие модели LLM можно использовать с TaskWeaver?

Поддерживаются любые OpenAI (GPT-4o, GPT-4), Claude, LLaMA 3, Mistral. Мы обычно используем GPT-4o за счёт высокой точности генерации кода. LLM можно менять в конфиге без переустановки фреймворка. Для задач с высокой латентностью подойдёт Mistral — он быстрее, но немного уступает в качестве. Выбор модели зависит от ваших требований к скорости и точности.

Как TaskWeaver справляется с мультишаговыми задачами?

Планировщик разбивает задачу на подзадачи, каждую превращает в код, выполняет и анализирует результат. Если на шаге 2 возникает ошибка, агент переформулирует код автоматически. Мы гарантируем точность за счёт chain-of-thought промптинга: перед кодом агент пишет план, затем исполняет.

Процесс внедрения

1. Аудит источников и бизнес-логики. Определяем нужные плагины, разрешённые модули, частоту запуска.
2. Проектирование агента. Выбираем LLM, настраиваем sandbox, пишем кастомные плагины.
3. Разработка и тестирование на реальных данных. 3–10 итераций.
4. Деплой в production. Docker, планировщик (cron/airflow), мониторинг.
5. Обучение команды. 2 воркшопа, документация.

Что входит в работу

Сроки и опыт команды

• Базовая настройка: 2–3 дня.
• Полный цикл с плагинами и тестами: 1–2 недели.
• Мы внедрили TaskWeaver для 10+ компаний в финансах, ритейле и логистике. Работаем с LLM с момента выхода первых production-ready моделей — знаем все тонкости prompt engineering (few-shot, chain-of-thought).

Оцените ваш проект. Напишите нам, опишите задачу — мы пришлём demo-сессию вашего агента за 2 дня. Гарантируем, что sandbox защищён и код не утекает. Свяжитесь с нами, чтобы получить консультацию и точную оценку сроков.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.