klg-asutk-app/docs/AUTONOMOUS_AGENT.md

Autonomous Agent Architecture

Обзор

Система эволюционирует от CRUD → Copilot → Autonomous Agent:

• CRUD: Традиционные операции создания, чтения, обновления, удаления
• Copilot: Ассистирование пользователю через естественный язык
• Autonomous Agent: Автономное выполнение задач на основе reasoning

Архитектура

┌─────────────────────────────────────────────────────────┐
│              Natural Language Interface                   │
│         (Пользователь запрашивает "смыслом")              │
└──────────────────────┬────────────────────────────────────┘
                       │
                       ▼
┌─────────────────────────────────────────────────────────┐
│                  LLM Reasoning Engine                      │
│         (Рассуждения на основе Knowledge Graph)            │
└──────────────────────┬────────────────────────────────────┘
                       │
        ┌──────────────┼──────────────┐
        │              │              │
        ▼              ▼              ▼
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│  Knowledge   │ │   Planning   │ │  Execution   │
│    Graph     │ │   (Plan)     │ │  (Actions)   │
└──────────────┘ └──────────────┘ └──────────────┘

Компоненты

1. Knowledge Graph

Назначение: Преобразование данных в граф знаний

Структура:

• Узлы: Сущности (воздушные суда, аудиты, риски, операторы)
• Рёбра: Связи между сущностями
• Embeddings: Векторные представления для семантического поиска

Пример: Модуль нормативной базы (knowledge) вынесен в отдельный сервис; граф знаний доступен через внешний API.

2. LLM Reasoning

Назначение: Рассуждения на основе Knowledge Graph

Возможности:

• Chain of Thought reasoning
• Анализ связей в графе
• Логические выводы
• Предложение действий

Пример:

import { reasonWithKnowledgeGraph } from '@/lib/ai/llm-reasoning';

const reasoning = await reasonWithKnowledgeGraph(
  'Какие воздушные суда требуют внимания?'
);
// reasoning.answer - ответ
// reasoning.reasoning - шаги рассуждения
// reasoning.suggestedActions - предложенные действия

3. Natural Language Interface

Назначение: Интерфейс для взаимодействия через естественный язык

Режимы:

• Copilot: Ассистирование, предложение действий
• Autonomous: Автономное выполнение задач

Пример:

import { processNaturalLanguageQuery } from '@/lib/ai/natural-language-interface';

// Copilot режим
const response = await processNaturalLanguageQuery({
  query: 'Покажи все активные воздушные суда оператора Аэрофлот',
  mode: 'copilot',
});

// Autonomous режим
const response = await processNaturalLanguageQuery({
  query: 'Создай новое воздушное судно RA-12345 типа Boeing 737',
  mode: 'autonomous',
});

4. Autonomous Agent

Назначение: Автономное выполнение задач

Возможности:

• Планирование действий
• Выполнение плана
• Анализ результатов
• Рекомендации

Пример:

import { createAutonomousAgent } from '@/lib/ai/autonomous-agent';

const agent = createAutonomousAgent();

// Планирование
const plan = await agent.plan('Обнови статус всех воздушных судов');

// Выполнение
const result = await agent.execute(plan);

Использование

API Endpoints

POST /api/ai/agent

Обработка естественного языка запроса.

Request:

{
  "query": "Покажи все активные воздушные суда",
  "mode": "copilot",
  "context": {}
}

Response:

{
  "answer": "Найдено 15 активных воздушных судов...",
  "reasoning": ["Шаг 1: Поиск в базе данных...", "Шаг 2: Фильтрация по статусу..."],
  "actions": [
    {
      "type": "suggested",
      "description": "Показать детали каждого ВС",
      "executed": false
    }
  ],
  "confidence": 0.9,
  "mode": "copilot",
  "intent": {
    "intent": "query",
    "confidence": 0.95
  }
}

Модуль knowledge

Модуль нормативной базы (knowledge) вынесен в отдельный сервис. Эндпоинт GET /api/knowledge/graph в данном репозитории не реализован.

Query Parameters (внешний сервис):

• query - поисковый запрос (опционально)
• format - формат ответа: json или visualization

Response:

{
  "nodes": [
    {
      "id": "aircraft-1",
      "type": "aircraft",
      "label": "RA-12345",
      "properties": {...}
    }
  ],
  "edges": [
    {
      "id": "edge-1",
      "source": "aircraft-1",
      "target": "operator-Aeroflot",
      "type": "operated_by",
      "weight": 1.0
    }
  ]
}

Примеры запросов

Copilot режим

"Покажи все воздушные суда, которые требуют технического обслуживания"
"Какие риски связаны с воздушным судном RA-12345?"
"Дай рекомендации по улучшению безопасности"

Autonomous режим

"Создай новое воздушное судно RA-12345 типа Boeing 737 для оператора Аэрофлот"
"Обнови статус всех воздушных судов оператора Аэрофлот на 'Активен'"
"Проанализируй все риски и создай отчёт"

Эволюция системы

CRUD (Текущее состояние)

• Пользователь кликает по кнопкам
• Выполняются стандартные операции
• Результат отображается в UI

Copilot (Реализовано)

• Пользователь задаёт вопросы на естественном языке
• Система понимает намерение
• Предлагает действия
• Пользователь подтверждает выполнение

Autonomous Agent (Реализовано)

• Пользователь описывает задачу
• Система планирует действия
• Автономно выполняет план
• Отчитывается о результатах

Преимущества

1. Естественное взаимодействие - пользователь не кликает, а "запрашивает смыслом"
2. Интеллектуальные рассуждения - система понимает контекст и связи
3. Автономность - система может выполнять задачи самостоятельно
4. Масштабируемость - легко добавлять новые возможности через reasoning

Безопасность

• Все действия логируются
• Пользователь может отменить выполнение
• Валидация перед выполнением критических операций
• Аудит всех действий агента

Дополнительная информация

См. также:

• docs/AI_KNOWLEDGE_SYSTEM.md - Система знаний
• docs/STREAMING_ARCHITECTURE.md - Streaming архитектура