# FINAL — Занятие 4 МАИ: Оркестрация и multi-agent (B4) Generated: 2026-06-27 (Variant C, Phase 5) Дидактическая ось МАИ: **B4 (оркестрация / мультиагентность)** Связанные оси: A3-A4, C3, D4,D11,D12 Источники: L4_orchestration pulls (29 кейсов), T7 (multi-agent training environment), DR3 Wave 3. Это **самый плотный** кластер в корпусе (33% всех кейсов — B4). Соответственно самая сильная угроза — `agent_washing`. ## Цель занятия Студенты должны отличать **architecture-level multi-agent system** от **agent_washing** через схему **ролей, памяти, arbitration и evaluation**. Главный вопрос: где «два промпта с разными ролями» становятся реальной распределённой архитектурой? ## Структура занятия (90 мин) | Блок | Время | Содержание | |---|---|---| | 1. Введение | 10 мин | Что такое multi-agent system. Условия минимума | | 2. Validated архитектуры | 25 мин | 5-6 разборных кейсов | | 3. Agent washing | 20 мин | Triz-agents и personas как контпримеры | | 4. Schema design | 25 мин | Студенты строят agent-схему | | 5. Вывод | 10 мин | A4 ≠ B4. C3 ≠ multi-agent | ## Базовые кейсы для разбора (6) ### 1. `senior-design-multi-agent-llms` — Multi-Agent LLM Framework для Senior Design (INT) - **A4 / B4 / C3 / D2,D4,D10,D12** - Multi-agent с распределением ролей в senior design. Один из самых **академически проработанных** примеров. - **Что разбираем**: какие роли, какая память shared, какой arbitration mechanism. ### 2. `astra-atco` — ASTRA ATCO training simulator (SG) - Strong кейс из Wave 2/EXT. Air traffic control с multi-agent — реальная задача требует распределения. - **Что разбираем**: domain (ATC) даёт **structural pressure** на распределение функций. Где это видно в архитектуре. ### 3. `capra-multi-agent-architecture-feedback` — CAPRA (IT) — arXiv 2606.18976 - **A4 / B3 / C3 / D2,D7,D11** - Multi-Agent LLM Software Architecture Feedback. Конкретный academic paper. - **Что разбираем**: какие роли (architect, critic, validator), какой arbitration. ### 4. `spear-multi-agent-smart-contract` — SPEAR (INT) - **A4 / B3-B4 / C3 / D2,D3,D10** - Multi-Agent Smart Contract Auditing (arXiv 2602.04418). Audit — структурно multi-agent. - **Что разбираем**: задача audit как inherent multi-perspective. Когда это «реальное» распределение, когда — promp role-play. ### 5. `senior-design-multiagent-llm-2501` — arXiv 2501.01205 - **A4 / B4 / C3 / D2,D7,D10,D11,D12** - Параллель к #1 — более новый paper. - **Что разбираем**: что добавляет 2501-paper к #1. ### 6. `military-training-scenario-generation` — AI-Assisted Military Training Scenarios (INT) - **A4 / B4 / C3 / D2,D10,D11,D12** - Scenario generation для military training. Boundary T7 — не всегда multi-agent в строгом смысле. - **Что разбираем**: scenario generator vs scenario player. Когда multi-agent **необходимо** для верификации? ## Adjacent кейсы (5) - `agile-requirements-simulation-ai-personas` — пограничный agent_washing (см. ниже) - `ai-driven-agile-curriculum` — agile + multi-agent - `lockheed-laic-engineering-community` — community-level orchestration - `lockheed-ai-factory-internal` — A3-A4 / industrial scale - `nps-msai-curriculum-388` — NPS MSAI program ## Anti-analogs / agent_washing — 3 кейса ### `triz-agents` — TRIZ Agents (INT) - **Тип**: multi-agent LLM Approach для TRIZ-Based Innovation - **Подозрение**: реально — sequential prompt cascade. Названо multi-agent для академического веса - **Студенческое задание**: проверить **arbitration mechanism**. Есть ли он? Есть ли память, отдельная от promptов? ### `agile-requirements-simulation-ai-personas` — Agile RE с AI Personas - **Подозрение**: «personas» — role-prompt imitation, не distributed agents - **Студенческое задание**: каков critical-path test? Может ли personas-агент дать **независимый** анализ? ### `build-ai-assistants-biomechanics` — Build AI Assistants for Biomechanics (INT) - **Подозрение**: «assistants» (мн.ч.) без architectural distribution. Скорее prompt-template library - **Студенческое задание**: какая часть multi-agent, какая — prompt-templates на стороне студента? ## Студенческие задания ### Задание 1 — Multi-agent vs prompt-orchestration (главное) Дано: 4 кейса (2 valid multi-agent, 2 agent_washing). Задача: ответить, **где это multi-agent system, где это prompt orchestration на стороне студента**. Критерии: - Есть ли roles с разной memory? - Есть ли arbitration? - Есть ли evaluation между agents? - Может ли один agent **возразить** другому? Оценка: 4 вердикта + 1 фраза «почему» на кейс. ### Задание 2 — Multi-agent schema Задача: спроектировать multi-agent setup для конкретной инженерной задачи студента (на выбор: senior-design defense, code audit, paper review, design feedback). - 3+ роли - Memory architecture (shared/private) - Arbitration mechanism - Evaluation criteria Оценка: схема + 1-2 страницы пояснения + реальный prototype на 3 промпта. ### Задание 3 — Agent washing diagnosis Дано: материалы из anti_analog registry (триз-agents, personas). Задача: для каждого назвать **отсутствующий artefact**. Оценка: диагноз + почему именно этот artefact определяет границу. ### Задание 4 — Failure mode каталог Дано: multi-agent система (студенческий prototype). Задача: найти 3+ failure modes, описать минимальный test case для каждого. Оценка: каталог. ### Задание 5 — A4 vs B4 vs C3 распутывание Дано: 6 кейсов с разной разметкой A/B/C. Задача: показать, что **A4 ≠ B4 ≠ C3**. Кейс может быть A4 (multi-agent generation) без B4 (orchestration оптики). Оценка: матрица + обоснование. ## Что НЕ должно входить - LangChain/AutoGPT туториалы — отвлечение от архитектурной схемы - Длинные доменные погружения в RAG для одного агента — это L3 или L2 - AI safety обсуждения — это L5 ## Связь с другими занятиями - **L1 (CAD)** — text2cad evolution в multi-agent - **L2 (CAE)** — multi-agent simulation (CAPRA, biomechanics) - **L3 (CAO)** — multi-agent CAO с роли planner / verifier / critic - **L5 (Hybridity)** — C4 environments часто построены на multi-agent backend (`mbzuai-co-pilot-education-model`) ## Метрики занятия - Каждый студент пишет multi-agent spec с **четырьмя** заполненными слотами (roles/memory/arbitration/evaluation) - Различение «multi-agent» vs «prompt orchestration» достигается через **отсутствующий artefact** - Каждый студент диагностирует ≥3 agent_washing кейса