Jarvis AI Fleet
Автономный флот из 7 специализированных AI-агентов на базе Paperclip Fleet Protocol
Контекст и исходный вызов
В современных продуктах и агентных пайплайнах один LLM-чатбот быстро упирается в ограничения контекстного окна, начинает галлюцинировать и теряет специализацию. Возникает хаос при параллельном решении разнородных задач (кодинг, лидогенерация, мониторинг, планирование).
Бизнес-цель: спроектировать и развернуть полноценный флот узкоспециализированных AI-сотрудников, координируемых главным Оркестратором в едином защищенном Telegram-интерфейсе с полной изоляцией контекста и бесшовным взаимодействием.
Жесткие рамки и технические вызовы
Изоляция контекста
Разработчик, хантер и аналитик функционируют в полностью разделенных сессиях без перекрестного загрязнения контекста.
Реальное время в Telegram
Мгновенная реакция на входящие команды и интерактивное управление флотом через грамми-клавиатуры без зависаний.
Приватность корпоративных знаний
Векторная база знаний и память хранятся локально на сервере без отправки исходников во внешние облачные векторные БД.
Zero-Downtime демонизация
Каждый агент изолирован в отдельный systemd-юнит с лимитами по памяти и процессору.
Инженерное проектирование и реализация
Шина данных Agent-Bus
Собственная высокоскоростная шина взаимодействия процессов через Unix Domain Sockets с протоколом JSON-RPC 2.0.
Оркестратор и распределитель задач
Центральный агент @orchestrator декомпозирует цели, распределяет задачи по пулам и агрегирует результаты для пользователя.
Двухуровневая память RAG
Быстрая оперативная сессионная память совмещена с семантическим индексом документации и базы знаний на 79 векторных чанков.
Оркестратор распределяет задачи, агенты работают параллельно
Разработана архитектура на базе протокола Paperclip Fleet Protocol 2.0:
- ▹Шина данных Agent-Bus: Локальные Unix-сокеты (
/tmp/agent-bus.sock) с JSON-RPC протоколом обмена сообщениями между процессами. Время доставки сообщений между агентами составляет 1.2 мс. - ▹Флот узкоспециализированных агентов:
@orchestrator — Главный координатор, декомпозиция крупных целей, приём команд пользователя.
- @coder — Старший разработчик: написание кода, git-коммиты, синтаксический анализ и запуск автотестов.
- @hunter — Лидогенератор: автоматический парсинг бирж (FL.ru, Freelancium), AI-скоринг заказов и составление откликов.
- @mrthejarviscoach — Персональный тренер и TMA-бот по эргономике и осанке.
- @assistant & @wiki — Тайм-менеджмент, календарь и семантическая база знаний на 79 векторных чанков.
- ▹Мультидвижковая интеграция: Поддержка Google AntiGravity (agy CLI) с моделью Gemini 3.8 Flash High и сессионным контекстом.
Галерея реальных интерфейсов
Оригинальные UI-скриншоты продакшн-системы
Telegram Orchestrator Console
Управление 7 агентами прямо из Telegram: системный статус, инлайн-клавиатуры и оперативная диспетчеризация.
Fleet Mission Control & Telemetry
Мониторинг демонов systemd, RAG-индекса (79 чанков) и потока событий меж-агентной шины Agent-Bus.
Измеримый эффект и ключевые метрики
- ▹7 / 7 агентов работают непрерывно 24/7 в боевом окружении
- ▹1.2 мс среднее время маршрутизации сообщений по шине Agent-Bus
- ▹79 чанков в семантическом векторном индексе памяти
- ▹99.98% аптайм системных сервисов Linux systemd
Инструменты и программные библиотеки
Флот агентов полностью изменил наше представление о продуктивности. Задачи по рефакторингу, верстке и мониторингу решаются автономно, пока оркестратор держит стратегический фокус. Это не просто бот, это полноценный виртуальный инженерный отдел.
Понравился этот кейс?
Можем спроектировать и запустить аналогичную архитектуру под ваши бизнес-задачи в сжатые сроки.