Ateliers ShipSF - V, de zéro

하이라이트

• D0 extrait et interprète les données d'entrepôt, comptabilisant par exemple 450 millions de téléchargements NPM de Next.js sur huit semaines complètes.

• L'infrastructure orchestre les requêtes complexes de manière séquentielle entre l'agent distant D0, v0 via MCP pour le tableau de bord visuel et Notion pour le compte-rendu persistant.

• Le protocole d'agent distant délègue l'exécution à des services autonomes détenant leurs propres modèles, outils, permissions et évaluations.

• La transmission contextuelle complète évite la distorsion des données, où un simple total de téléchargements risquerait d'être requalifié par erreur en nombre d'utilisateurs uniques.

• Les retours négatifs des utilisateurs sur Slack déclenchent un LLM arbitre qui convertit les anomalies de production en cas de test automatisés.

• Les canaux privés et messages directs déclenchent une politique stricte d'observabilité qui filtre les entrées et sorties des journaux d'exécution.

타임라인

1. 00:00 - 04:19

   Origine et rôle de V comme passerelle

   L'accumulation d'agents spécialisés internes créait des difficultés de découverte et d'orientation. V résout ce problème en déterminant quel outil ou spécialiste solliciter, tout en agrégeant les sources issues de Slack, Notion et du web. Cette plateforme permet aux équipes métiers d'enregistrer des compétences récurrentes et de les rendre accessibles à l'ensemble de l'organisation.

   • V centralise l'accès aux agents spécialisés de Vercel pour toutes les équipes internes.
   • La prolifération d'agents comme D0, P0 ou C0 compliquait la recherche d'informations pour les nouveaux collaborateurs.
   • Une interface web dédiée fonctionne comme une place de marché interne de compétences et de procédures partagées.
2. 04:20 - 09:21

   Fonctionnement de D0 et protocole d'agents distants

   Une démonstration montre D0 calculant 450 millions de téléchargements NPM pour Next.js tout en signalant les anomalies d'interprétation. Ce modèle décentralisé évite de fusionner toutes les compétences de l'entreprise dans un prompt unique difficile à maintenir. Des contrats de routage explicites définissent les champs d'intervention précis pour empêcher l'envoi de requêtes inadaptées.

   • D0 traduit des requêtes en langage naturel en analyses de métriques accompagnées d'explications contextuelles.
   • Chaque équipe reste pleinement propriétaire du déploiement, des permissions et des évaluations de son agent distant.
   • Le routage vers un agent distant repose sur un contrat textuel consigné dans un fichier unique.
3. 09:22 - 15:45

   Exécution d'un flux multi-agents coordonné

   Le système enchaîne séquentiellement l'extraction des données, la génération d'un graphique interactif sur v0 et la publication d'un document complet sur Notion. Eve prend en charge le suivi de l'état, l'isolation du code dans des bacs à sable et la reprise sur tâche. L'architecture sépare le rôle de coordination de V de l'exécution spécifique confiée à chaque outil externe.

   • Le framework Eve fournit les primitives de sessions, de gestion d'identité et de permissions.
   • Un rapport complet combine D0 pour l'analyse, v0 via MCP pour le rendu visuel et des outils directs pour Notion.
   • Le remplacement de modèles d'inférence s'effectue par une modification d'une seule ligne sur l'AI Gateway.
4. 15:46 - 20:00

   Évolution modulaire et transfert de contexte

   La gestion de requêtes complexes a mis en évidence le coût de coordination des transferts inter-agents. Les extensions permettent de regrouper outils et compétences dans le monorepo sans exiger une boucle de raisonnement indépendante pour chaque tâche simple. Le système surveille la propagation exacte des fenêtres temporelles et des hypothèses pour empêcher qu'un chiffre brut ne devienne une fausse métrique commerciale.

   • L'architecture évolue vers des compétences légères et des extensions groupées pour limiter la surcharge de coordination.
   • Les transferts entre étapes doivent acheminer les limites, les unités et les hypothèses pour éviter des conclusions erronées.
   • La défaillance d'un flux provient fréquemment d'une perte d'information sémantique entre deux outils réussis.
5. 20:01 - 24:01

   Évaluation continue et boucle de rétroaction

   Les flux sont soumis à des jeux de données d'épreuve intégrant des valeurs manquantes et des interruptions d'autorisation. Les signalements des utilisateurs créent des cas de tests ciblés distinguant un échec de routage d'un problème de prompt. Les métriques d'évaluation et la télémétrie guident les retours en arrière immédiats lors d'essais de modèles trop économiques.

   • La validation repose sur des tests locaux par spécialiste et des tests fonctionnels de bout en bout pour V.
   • Les avis négatifs sur Slack génèrent automatiquement des ébauches de tests supervisées par un LLM arbitre.
   • Le passage à un modèle de raisonnement simplifié avait provoqué une chute critique de la qualité de routage.
6. 24:02 - 29:51

   Modèle d'accès et filtrage de l'observabilité

   Même si un utilisateur détient les droits de lecture sur un document confidentiel, la synthèse ne peut être divulguée dans un canal public. En cas d'autorisation requise, un lien direct éphémère permet la connexion puis la reprise transparente de l'exécution. Les restrictions sur les journaux de traçage sont transmises de façon contraignante aux agents destinataires comme D0.

   • L'authentification de service à service est dissociée de la délégation explicite de l'identité de l'utilisateur.
   • Le canal de diffusion dicte le niveau de sensibilité admissible indépendamment des droits d'accès du demandeur.
   • Les politiques de traçage masquent automatiquement les données d'entrée et de sortie sur les canaux privés.
7. 29:52 - 43:01

   Méthode d'implémentation et retours d'expérience

   La recommandation clé consiste à concevoir le flux en partant du livrable final pour identifier les compétences et propriétaires nécessaires. Lors de la phase de questions, les précisions confirment la séparation stricte des accès aux entrepôts de données et l'arbitrage humain sur les ébauches d'évaluations. V sollicite directement l'utilisateur pour préciser le contexte lorsque plusieurs spécialistes répondent à des termes identiques.

   • La mise en place réussie débute par un flux récurrent à fort impact plutôt que par un agent généraliste.
   • Les tables de données sensibles basculent vers des réponses par message privé pour éviter les fuites.
   • V formule des questions de clarification dès qu'une demande utilisateur comporte des ambiguïtés sémantiques.