Declarative Data Services: Structured Agentic Discovery for Composing Data Systems
Cet article présente les Services de Données Déclaratifs (DDS), une architecture structurée qui surmonte les échecs de convergence de la découverte d'agents illimitée dans les systèmes de données hétérogènes en décomposant l'espace de recherche en couches bornées et typées guidées par l'intention utilisateur déclarative et les retours d'exécution itératifs.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Le Grand Problème : Le « Far West » du Codage par IA
Imaginez que vous demandiez à un architecte très intelligent et bien informé (un agent IA) de construire une maison. Vous dites : « Je veux une maison de 3 chambres avec un toit solaire, une piscine et un budget de 300 000 $. »
Dans le passé, si vous demandiez à une IA d'écrire le code d'une seule application, elle le faisait généralement très bien. Mais lorsque vous lui demandez de construire un système de données complexe (comme une plateforme de trading devant gérer des milliers d'opactions boursières par seconde, stocker des années d'historique et rester rapide), les choses tournent mal.
Pourquoi ? Parce que l'IA est comme un génie qui a lu tous les livres de la bibliothèque mais qui n'a jamais réellement construit de maison. Elle sait ce qu'est une file d'attente « Kafka » ou une base de données « ClickHouse », mais elle ne sait pas comment elles s'assemblent dans le monde réel. Elle pourrait choisir les mauvais matériaux, oublier de connecter les tuyaux, ou opter pour un design qui s'effondre sous la pression.
Si vous dites simplement à l'IA : « Répare-le », et que vous lui laissez deviner encore et encore (un processus appelé « découverte illimitée »), elle tourne souvent en rond. Elle essaie de réparer la plomberie en changeant le toit, ou elle reconstruit toute la maison depuis zéro à chaque fois qu'elle fait une petite erreur. Elle ne converge jamais vers une solution fonctionnelle.
La Solution : DDS (L'« Architecte Structuré »)
Les auteurs proposent un nouveau système appelé Declarative Data Services (DDS). Au lieu de laisser l'IA errer sans but, DDS agit comme un chef de chantier strict et organisé qui force l'IA à suivre un plan spécifique en quatre étapes.
Pensez à DDS comme à un immeuble de quatre étages où chaque étage a un travail spécifique et un ensemble de règles précis. L'IA (le « sous-agent ») effectue le travail, mais le Framework (le « manager ») détient les plans et vérifie le travail à chaque étape.
Les Quatre Étages de l'Immeuble DDS
Étage 1 : Le « Quoi » (Intention)
- Le Travail : Avant de construire, vous devez définir exactement ce que vous voulez.
- L'Analogie : Au lieu de dire « Je veux une maison cool », l'utilisateur dit : « J'ai besoin de 3 chambres, 2 salles de bains, de panneaux solaires et d'un budget de 300 k $. »
- La Magie : Le système force l'IA à traduire votre vœu vague en une liste de contrôle stricte et typée (Modèle de données, Vitesse, Coût, etc.). Si la demande est impossible (par exemple : « Je veux un manoir pour 500 $ »), le système vous arrête avant que le moindre code ne soit écrit.
Étage 2 : Le « Comment » (Le Plan)
- Le Travail : Concevoir le flux de données sans choisir de marques spécifiques pour l'instant.
- L'Analogie : L'architecte dessine un diagramme : « L'eau arrive, va au filtre, puis au réservoir, puis à la douche. » Ils ne disent pas encore « Nous utiliserons un filtre Whirlpool ». Ils décident simplement de la forme du système.
- La Magie : Cela sépare la conception des produits. Si la conception est mauvaise, vous corrigez le dessin, pas la marque spécifique des tuyaux. Cela empêche l'IA de changer toute la maison simplement parce qu'un tuyau a fui.
Étage 3 : Le « Lequel » (Les Compétences)
- Le Travail : Choisir les produits et configurations réels.
- L'Analogie : Maintenant, l'architecte choisit les articles spécifiques : « Nous utiliserons un filtre Whirlpool et des tuyaux en PVC. » Mais voici l'ingrédient secret : le système utilise un « Livre de Compétences » (une mémoire persistante).
- La Magie : Ce Livre de Compétences est comme un manuel vivant. Si une maison précédente avait un problème parce que le filtre Whirlpool nécessitait un adaptateur spécifique, ce fait est écrit dans le Livre de Compétences. La prochaine fois que l'IA construira une maison, elle lira le Livre de Compétences et saura exactement quel adaptateur utiliser. Elle n'a pas besoin de « deviner » ou de « réapprendre » cette erreur.
Étage 4 : Le « Vérification » (Attribution au Moment Exécutif)
- Le Travail : Construire, allumer et voir ce qui casse.
- L'Analogie : Vous ouvrez l'eau. Si la douche fuit, le système ne dit pas simplement « La maison est cassée ». Il dit : « La fuite se trouve dans la connexion du tuyau PVC (Étage 3). »
- La Magie : C'est la partie la plus importante. Lorsque le système échoue, il retrace l'erreur jusqu'à l'étage exact où la décision a été prise.
- Si le budget est trop bas, il retourne à l'Étage 1.
- Si la conception est impossible, il retourne à l'Étage 2.
- Si le choix du produit spécifique était mauvais, il met à jour le Livre de Compétences à l'Étage 3.
- Il ne fait pas deviner à l'IA toute la maison à nouveau. Il effectue une correction minuscule et ciblée.
Pourquoi Cela Fonctionne (Le Moment « Aha ! »)
Le papier a testé cela contre des agents IA « illimités » (ceux qui devinent et réessaient simplement).
- L'Agent Illimité : Comme un élève essayant de résoudre un problème de mathématiques en écrivant des nombres au hasard jusqu'à ce qu'il trouve la bonne réponse. Cela prend beaucoup de temps, coûte beaucoup d'argent (puissance de calcul) et échoue souvent.
- L'Agent DDS : Comme un élève utilisant un manuel et une calculatrice. S'il se trompe à une étape, le manuel lui indique exactement quelle règle il a enfreinte. Il corrige cette seule règle et continue.
Les Résultats :
Dans un test consistant à construire un backend de trading :
- Agents Illimités : Ont échoué à construire un système fonctionnel 8 fois sur 10, même après de nombreuses tentatives. Ils sont restés coincés dans des boucles.
- DDS : A construit un système fonctionnel 10 fois sur 10. Il était plus rapide, moins cher, et le système fonctionnait réellement avec de vraies données.
L'Analogie du « Livre de Compétences »
Le papier souligne que la connaissance a besoin d'un foyer.
- Dans les anciennes méthodes d'IA, si l'IA apprenait que « Kafka nécessite le port 9092 », elle pourrait l'oublier demain. Elle doit le réapprendre à chaque fois.
- Dans DDS, cette connaissance est sauvegardée dans un Fichier de Compétences (comme un fichier YAML).
- Si l'IA fait une erreur (par exemple : « J'ai oublié d'ouvrir le port 9092 »), le système corrige le Fichier de Compétences.
- Crucialement : La prochaine fois que l'IA construira un système, elle lira le Fichier de Compétences corrigé. L'erreur ne sera plus jamais commise. La « correction » est permanente, pas juste un correctif éphémère.
Résumé
Le papier soutient que pour construire des systèmes de données complexes avec l'IA, nous ne pouvons pas simplement laisser l'IA « improviser ». Nous avons besoin d'un cadre structuré qui :
- Décompose le problème en étapes claires et typées (Intention -> Conception -> Produit -> Code).
- Force l'IA à vérifier son travail à chaque étape avant de passer à la suivante.
- Se souvient des erreurs dans un « Livre de Compétences » permanent afin qu'elles ne soient pas répétées.
- Localise les erreurs avec précision pour que l'IA n'ait pas à deviner quoi réparer.
Cela transforme le processus chaotique de « l'improvisation de l'IA » en une chaîne de montage industrielle fiable pour la construction de logiciels.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.