Фреймворк агентного виробництва довірених знань із першоджерел
Закриває прірву між неструктурованими сирими матеріалами та верифікованими знаннєвими продуктами: фіксує ролі, артефакти та контрольні точки виробництва, а конкретні інструменти й формат публікації кожна команда обирає сама.
Автор: Андрій Богданович
ПЛАН
Що ми сьогодні розглянемо
Проблема — чому звичний підхід до агентних систем дає збій.
Архітектура — чим GAP принципово відрізняється від RAG.
Конвеєр — 5 стадій контролю якості від джерела до публікації.
Докази — 5 реалізованих проєктів у різних доменах.
Переваги та обмеження — чесно про сильні й слабкі сторони підходу.
Наступні кроки — як почати впровадження.
Фокус — на інженерному конвеєрі, доказовій базі та практичному застосуванні для організації.
ПРОБЛЕМА
Чому звичайний підхід до агентів дає збій?
LLM-агенти генерують контент швидше за будь-яку команду людей, але виробництво знань (вікі, курсів, політик, звітів) впирається у 3 провали:
Галюцинації та дрейф фактів: домислювання там, де немає джерела, або самосуперечність між сесіями.
Втрата узгодженості: термінологія, стиль і структура «пливуть» від файлу до файлу.
Відсутність аудиту: незрозуміло, хто, коли і на основі чого змінив контент, і чи була перевірка.
Швидкість генерації висока, але довіра до неперевіреного результату відсутня.
АРХІТЕКТУРА
RAG (Runtime) vs GAP (Build-time)
Runtime RAG (Пошук у рантаймі)
Пошук шматочків контексту у векторній БД в момент запиту користувача
Ризик галюцинацій та дрейфу фактів безпосередньо перед кінцевим користувачем
Затримка відповіді та постійні витрати токенів на кожен клік і пошуковий запит
Build-time GAP (Виробничий конвеєр)
Систематична підготовка, структурування та компіляція корпусу знань
100% верифікація фактів і контроль якості ДО публікації продукту
Миттєвий детермінований доступ і нульова вартість експлуатації
GAP не замінює RAG, а переносить верифікацію на етап підготовки — користувач отримує надійний продукт без дорогих запитів.
КОНВЕЄР
5 стадій забезпечення якості
1. Джерело (Source of Truth, raw/): первинні матеріали як єдине джерело фактів (read-only); заборона брати факти з пам'яті чи інтернету.
2. Статут (Constitution, AGENTS.md): писаний звід правил у репозиторії — архітектура, конвенції, дозволені та заборонені дії.
3. Агент-виконавець (Agent + Skills): робота через багаторазові регламентовані процедури (skills) та ізольованих субагентів для збереження уваги.
4. Верифікація (Review Gate): обов'язкова звірка результату з джерелом і дизайн-системою + фіксація в незмінному журналі дій (log.md).
5. Споживання (Delivery & Consumption): універсальний структурований результат (Markdown + frontmatter) для будь-якого формату використання.
Ланцюжок якості: Джерело → Статут → Агент → Верифікація → Споживання.
ДЕЛІВЕРІ ТА СПОЖИВАННЯ
4 сценарії використання верифікованих знань
Структурований результат агента (чистий Markdown із frontmatter, зв'язками та метаданими) є універсальним і не прив'язаний до єдиного формату публікації:
Інтерактивна база знань (Obsidian Vault): робота з чистими Markdown-файлами, графом знань (knowledge graph) і двосторонніми зв'язками безпосередньо в Obsidian без потреби компіляції.
Детермінована публікація (Build & Publish): компіляція у статичний сайт, портал або документацію (MkDocs, Quartz, Astro). Структура сайту, навігація та пошук генеруються з даних.
Експорт у нормативні/робочі артефакти: автоматизована збірка в PDF-звіти, пакети офіційних політик, презентації або DOCX-документи.
Джерело для наступного конвеєра (Pipeline Chaining): верифікований результат стає новим джерелом правди (raw/ або references/) для наступного спеціалізованого пайплайну.
Відокремлення знань від форми: один перевірений масив знань забезпечує як локальну роботу аналітика, так і публічні сайти чи інші ШІ-пайплайни.
ІНЖЕНЕРНИЙ КОНТРОЛЬ
Текстова основа та сила Git (Docs-as-Code)
Формат Markdown
Відкритий нейтральний текст із frontmatter-метаданими та зв'язками
Відокремлення змісту від інструментів відображення (Obsidian, сайт, PDF)
Повна незалежність від пропрієтарних платформ та закритих баз даних
Можливості Git
Порядковий контроль кожного твердження агента через прозорий git diff
Безпечна розробка та тестування оновлень в ізольованих гілках (branches)
Незмінна історія правок, фіксація авторства та прозоре код-рев'ю контенту
Інженерний принцип контролю: «Не вірити агенту на слово — перевіряти кожну кому через git diff».
РЕПОЗИТОРІЙ
Референсна архітектура сховища знань
.
├── AGENTS.md (та CLAUDE.md) # Статут проєкту: структура, правила, заборони для агентів
├── .agents/skills/ # Каталог багаторазових процедур (імпорт, перевірка, звіт)
│
├── inbox/ # Вхідний буфер для нових необроблених матеріалів
├── raw/ (або references/) # 1. Первинні незмінні джерела (Source of Truth, read-only)
│
├── templates/ # Шаблони для стандартизації нових одиниць знань
│
└── wiki/ | courses/ | policy/ # 2. Структуровані верифіковані знання (результат агента)
├── concepts/ | entities/ # Поняття, сутності, статті або модулі курсу
├── index.md # Головний покажчик змісту / навігаційна точка входу
└── log.md # Незмінний журнал аудиту дій агента (append-only)
Docs-as-Code: чітке розмежування правил і скілів, незмінних джерел, шаблонів та верифікованих знань з аудитом.
ГЕНЕЗИС
Від патерну Андрея Карпати до конвеєра GAP
Еволюція та визнання
Поштовх: Концепт LLM Wiki співзасновника OpenAI Андрея Карпати (Andrej Karpathy) про персистентну базу знань.
Розвиток у GAP: Базову ідею перетворено на інженерний конвеєр (субагенти, Review Gate, делівері).
Доказ гнучкості GAP для персонального використання, конфіденційних даних та періодичної автоаналітики.
ПЕРЕВАГИ
Чому це працює та які переваги для організації
1. Простежуваність та аудит
Кожне твердження прив'язане до джерела. Прозорий git diff та незмінний журнал дій log.md для повного контролю авторства.
2. Захист від галюцинацій (Build-time)
Верифікація фактів відбувається на етапі компіляції продукту, а не в момент запиту користувача. Нуль випадкових відповідей у рантаймі.
3. Масштабованість без деградації
Розподіл завдань між субагентами з ізольованою пам'яттю захищає від переповнення контекстного вікна та втрати уваги моделі.
4. Інституційна пам'ять (Docs-as-Code)
Знання належать організації, зберігаються у відкритому форматі Markdown/Git і не залежать від закритих баз даних чи підписок.
Інженерна надійність, нульова вартість експлуатації та повна автономність знаннєвих активів.
ОБМЕЖЕННЯ
Де GAP не панацея — чесно про межі підходу
GAP розв'язує задачу контрольованого виробництва знань, але має власні межі застосування:
Людина лишається вузьким місцем: Review Gate не усуває контроль якості, а переносить його на етап підготовки — критичні ділянки все одно потребують людської звірки.
Контент «застигає» між білдами: це build-time підхід, непридатний для даних, що змінюються щохвилини (ціни, статуси, live-показники).
Вимагає інженерної дисципліни від команди: робота з Git і Markdown — бар'єр входу для авторів без технічного досвіду без додаткового навчання.
Якість обмежена якістю джерела: статут і верифікація не виправлять неповні чи суперечливі первинні матеріали.
Статут потребує підтримки в актуальному стані: без дисципліни оновлення AGENTS.md конвеєр деградує так само, як застаріла документація.
GAP підходить для систематичного, повторюваного виробництва структурованих знань — не для одноразових довідок чи даних реального часу.
ПІДСУМОК
Як почати: 6 кроків до надійного ШІ
Зафіксувати першоджерело (raw/): визначити межі фактів і заборонити агенту виходити за них без дозволу.
Написати Статут (AGENTS.md): зафіксувати структуру, обмеження та конвенції стилю в репозиторії.
Виділити операції у скіли: стандартизувати імпорт, генерацію знань та лінтинг (.agents/skills/).
Ввести Review Gate: обов'язковий контроль якості — жоден результат не релізиться без звірки з джерелом.
Обрати сценарій делівері: відокремити дані від форми (Obsidian, статичний сайт, звіт, наступний пайплайн).
Вести журнал аудиту (log.md): фіксувати кожну зміну в режимі append-only з першого дня.
Будуймо надійні інженерні системи, а не хаотичні чати.
1 / 17
← → або Space · F — повний екран · S — прокрутка · P — друк/PDF
