Kuinka kouluttaa infrastruktuurin LLM-agentti olemaan valehtelematta

Tekoälyavusteinen, vain luku -tilassa toimiva agentti rakennettiin vastaamaan infrastruktuuria koskeviin kysymyksiin, kuten 'miksi palvelu palauttaa 502-virheen?'. Se toteutettiin Go-kielellä ilman LangChain-kirjastoa ja käytti DeepSeek-V4-Flash- ja Qwen3.6-27B-FP8-malleja OpenAI-yhteensopivan rajapinnan kautta. Ensimmäinen versio hyödynsi vapaata ReAct-silmukkaa ja tuotti vastauksia, jotka olivat muodollisesti oikeita mutta usein harhaanjohtavia. Esimerkiksi kun 502-virhe johtui välityspalvelimen liian suuresta vastausotsakkeesta, agentti päätteli, ettei sovellustasolla ollut virhettä, jättäen todellisen syyn huomiotta. Virhetyyppejä tunnistettiin viisi: väärä laajuus, väärä aikamerkitys, väärät kielteiset päätelmät, todisteiden menetys ja hallitsematon uudelleensuunnittelu. Ratkaisuna oli upottaa kielimalli tiukkaan sovelluskehykseen. Työkalujen kutsuja ohjaa laajennettu x-agent-sopimus, joka määrittelee todisteet, tulostyypin, tuoreuden, kielteiset semantiikat ja vain luku -tilan. Suunnittelija rakentaa ensin tavoitteet (esimerkiksi symptom.http_502 ja route.edge_to_ingress) sekä pysäytystilan: jokaisen pakollisen tavoitteen on oltava ratkaistu tai nimenomaisesti tavoittamattomissa. Todisteiden valvonta estää loppuunviejää tekemästä johtopäätöstä ennen kuin kaikki tavoitteet on saavutettu. Työkalun valinta on porrastettu: käytäntösuodatin, leksikaalinen esisuodatin, kielimallin uudelleenjärjestys (8 parasta) ja sitten tavoitteen relevanssiportti. Riskialttiit aikeet saavat deterministiset esireitit. Lopullisessa arvioinnissa 44 skenaariota 45:stä läpäisi (29 pakollista 29:stä), suoritettuna kaksi kertaa kukin. Ainoa epäonnistunut testi koski valinnaisen kapasiteettiraportin muotoa. Agentti pysyy vain luku -tilassa; muutokset tuotantoympäristössä päättää ihminen.