Большинство современных knowledge-агентов базируются на векторных базах данных и модели эмбеддингов, что усложняет отладку и снижает прозрачность работы. Команда Vercel предложила альтернативный подход — использование файловой системы и стандартных команд grep, find, cat в изолированных окружениях Vercel Sandbox.

Открытый проект Knowledge Agent Template представляет собой шаблон агента, который можно развернуть за один клик и подключить к любым источникам данных: репозиториям GitHub, транскриптам YouTube, документам в markdown и API. Такой агент не требует сложного предварительного разбиения данных и обучения моделей эмбеддингов, что позволяет получать детерминированные и легко объяснимые ответы.

Основная идея — заменить векторный поиск на поиск по файловой системе с помощью bash-команд, доступных в изолированной среде. Это упрощает отладку: если агент ошибается, можно напрямую увидеть, какие файлы и строки были прочитаны, и скорректировать данные или стратегию поиска. Такой подход снижает затраты и повышает качество ответов, как показал пример с агентом для суммирования звонков, где стоимость обработки снизилась в 4 раза.

Более подробно о реализации и возможностях шаблона можно прочитать в блоге Vercel: Build knowledge agents without embeddings. Это решение особенно интересно разработчикам, ищущим прозрачность и контроль над AI-агентами без излишних абстракций в виде векторных представлений.

Изучить проект и попробовать шаблон можно на официальном сайте Vercel.