Declarative Data Services: Structured Agentic Discovery for Composing Data Systems
Dieser Beitrag stellt deklarative Datendienste (DDS) vor, eine strukturierte Architektur, die die Konvergenzprobleme der unbeschränkten agenticen Entdeckung in heterogenen Datensystemen überwindet, indem sie den Suchraum in beschränkte, typisierte Schichten zerlegt, die durch deklarative Benutzerabsicht und iteratives Laufzeitfeedback gelenkt werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Problem: Der „wilde Westen" des KI-Programmierens
Stellen Sie sich vor, Sie bitten einen sehr klugen, gut informierten Architekten (einen KI-Agenten), ein Haus zu bauen. Sie sagen: „Ich möchte ein Haus mit drei Schlafzimmern, einem Solardach, einem Pool und einem Budget von 300.000 Dollar."
In der Vergangenheit, wenn Sie eine KI baten, Code für eine einzelne App zu schreiben, leistete sie meist hervorragende Arbeit. Aber wenn Sie sie bitten, ein komplexes Daten-System zu bauen (wie eine Handelsplattform, die Tausende von Aktienhandelsgeschäften pro Sekunde verarbeiten, Jahre an Historie speichern und schnell bleiben muss), dann geht etwas schief.
Warum? Weil die KI wie ein Genie ist, das jedes Buch in der Bibliothek gelesen hat, aber noch nie ein Haus gebaut hat. Sie weiß, was eine „Kafka"-Warteschlange oder eine „ClickHouse"-Datenbank ist, aber sie weiß nicht, wie sie in der realen Welt zusammenpassen. Sie könnte die falschen Materialien auswählen, vergessen, die Rohre zu verbinden, oder ein Design wählen, das unter Druck zusammenbricht.
Wenn Sie der KI einfach sagen: „Reparier es", und sie immer wieder raten lassen (ein Prozess, der „unbeschränkte Entdeckung" genannt wird), dreht sie sich oft im Kreis. Sie versucht, die Wasserleitung zu reparieren, indem sie das Dach ändert, oder sie baut jedes Mal, wenn sie einen kleinen Fehler macht, das ganze Haus von Grund auf neu. Sie findet nie eine funktionierende Lösung.
Die Lösung: DDS (Der „strukturierte Architekt")
Die Autoren schlagen ein neues System namens Declarative Data Services (DDS) vor. Anstatt die KI ziellos wandern zu lassen, agiert DDS wie ein strenger, organisierter Bauleiter, der die KI zwingt, einen spezifischen, vierstufigen Bauplan zu befolgen.
Stellen Sie sich DDS als ein Vier-Geschoss-Gebäude vor, in dem jedes Stockwerk einen bestimmten Job und einen bestimmten Satz von Regeln hat. Die KI (der „Sub-Agent") erledigt die Arbeit, aber das Framework (der „Manager") hält die Baupläne und überprüft die Arbeit bei jedem Schritt.
Die vier Etagen des DDS-Gebäudes
Etage 1: Das „Was" (Absicht)
- Der Job: Bevor gebaut wird, müssen Sie genau definieren, was Sie wollen.
- Die Analogie: Anstatt zu sagen „Ich möchte ein cooles Haus", sagt der Benutzer: „Ich brauche 3 Schlafzimmer, 2 Bäder, Solarpaneele und ein Budget von 300.000 Dollar."
- Die Magie: Das System zwingt die KI, Ihren vagen Wunsch in eine strenge, typisierte Checkliste zu übersetzen (Datenmodell, Geschwindigkeit, Kosten usw.). Wenn die Anfrage unmöglich ist (z. B. „Ich möchte eine Villa für 500 Dollar"), stoppt das System Sie, bevor ein einziger Codezeile geschrieben wird.
Etage 2: Das „Wie" (Der Bauplan)
- Der Job: Entwerfen Sie den Datenfluss, ohne noch spezifische Marken auszuwählen.
- Die Analogie: Der Architekt zeichnet ein Diagramm: „Wasser kommt herein, geht zum Filter, dann zum Tank, dann zur Dusche." Sie sagen noch nicht: „Wir werden einen Whirlpool-Filter verwenden". Sie entscheiden nur über die Form des Systems.
- Die Magie: Dies trennt das Design von den Produkten. Wenn das Design falsch ist, reparieren Sie die Zeichnung, nicht die spezifische Marke der Rohre. Dies verhindert, dass die KI das ganze Haus ändert, nur weil ein Rohr geleckt hat.
Etage 3: Das „Welches" (Die Fähigkeiten)
- Der Job: Wählen Sie die tatsächlichen Produkte und Konfigurationen aus.
- Die Analogie: Jetzt wählt der Architekt die spezifischen Artikel aus: „Wir werden einen Whirlpool-Filter und PVC-Rohre verwenden." Aber hier ist das Geheimnis: Das System verwendet ein „Fähigkeitsbuch" (ein persistenter Speicher).
- Die Magie: Dieses Fähigkeitsbuch ist wie ein lebendes Handbuch. Wenn bei einem früheren Haus ein Problem auftrat, weil der Whirlpool-Filter einen speziellen Adapter benötigte, wird diese Tatsache im Fähigkeitsbuch festgehalten. Das nächste Mal, wenn die KI ein Haus baut, liest sie das Fähigkeitsbuch und weiß genau, welchen Adapter sie verwenden muss. Sie muss diesen Fehler nicht „raten" oder „neu lernen".
Etage 4: Das „Prüfen" (Laufzeit-Zuordnung)
- Der Job: Bauen Sie es, schalten Sie es ein und sehen Sie, was kaputtgeht.
- Die Analogie: Sie drehen das Wasser auf. Wenn die Dusche leckt, sagt das System nicht einfach „Das Haus ist kaputt". Es sagt: „Das Leck befindet sich in der PVC-Rohrverbindung (Etage 3)."
- Die Magie: Dies ist der wichtigste Teil. Wenn das System fehlschlägt, verfolgt es den Fehler zurück zur exakten Etage, an der die Entscheidung getroffen wurde.
- Wenn das Budget zu niedrig ist, geht es zurück zu Etage 1.
- Wenn das Design unmöglich ist, geht es zurück zu Etage 2.
- Wenn die spezifische Produktwahl schlecht war, aktualisiert sie das Fähigkeitsbuch in Etage 3.
- Es lässt die KI nicht das ganze Haus erneut raten. Es macht eine winzige, gezielte Reparatur.
Warum das funktioniert (Der „Aha!"-Moment)
Das Papier hat dies gegen „unbeschränkte" KI-Agenten getestet (die nur raten und erneut versuchen).
- Der unbeschränkte Agent: Wie ein Schüler, der versucht, ein Matheproblem zu lösen, indem er zufällige Zahlen aufschreibt, bis er es richtig hat. Es dauert lange, kostet viel Geld (Rechenleistung) und gibt oft auf.
- Der DDS-Agent: Wie ein Schüler, der ein Lehrbuch und einen Taschenrechner verwendet. Wenn er einen Schritt falsch macht, sagt ihm das Lehrbuch genau, welche Regel er gebrochen hat. Er repariert diese eine Regel und geht weiter.
Die Ergebnisse:
In einem Test, bei dem ein Handels-Backend gebaut wurde:
- Unbeschränkte Agenten: Schafften es in 8 von 10 Fällen nicht, ein funktionierendes System zu bauen, selbst nach vielen Versuchen. Sie blieben in Schleifen stecken.
- DDS: Baute in 10 von 10 Fällen ein funktionierendes System. Es war schneller, günstiger, und das System lief tatsächlich mit echten Daten.
Die „Fähigkeitsbuch"-Analogie
Das Papier betont, dass Wissen ein Zuhause braucht.
- Bei alten KI-Methoden, wenn die KI lernte, dass „Kafka Port 9092 benötigt", könnte sie das morgen vergessen. Sie muss es jedes Mal neu lernen.
- In DDS wird dieses Wissen in einer Fähigkeitsdatei (wie einer YAML-Datei) gespeichert.
- Wenn die KI einen Fehler macht (z. B. „Ich habe vergessen, Port 9092 zu öffnen"), repariert das System die Fähigkeitsdatei.
- Entscheidend: Das nächste Mal, wenn die KI ein System baut, liest sie die reparierte Fähigkeitsdatei. Der Fehler wird nie wieder gemacht. Die „Reparatur" ist dauerhaft, nicht nur ein einmaliger Patch.
Zusammenfassung
Das Papier argumentiert, dass wir, um komplexe Daten-Systeme mit KI zu bauen, der KI nicht einfach erlauben können, zu „freestilen". Wir benötigen ein strukturiertes Framework, das:
- Das Problem in klare, typisierte Schritte aufteilt (Absicht -> Design -> Produkt -> Code).
- Die KI zwingt, bei jedem Schritt ihre Arbeit zu überprüfen, bevor sie weitermacht.
- Fehler in einem dauerhaften „Fähigkeitsbuch" merkt, damit sie nicht wiederholt werden.
- Fehler exakt lokalisiert, damit die KI nicht raten muss, was zu reparieren ist.
Es verwandelt den chaotischen Prozess des „KI-Ratens" in eine zuverlässige, industrielle Fließbandproduktion für die Softwareentwicklung.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.