Agent SDLC op een Interne LLM: Engineering in Plaats van Prompts
OpenCode
In een bedrijfsomgeving met strenge beveiligingsbeleid zijn externe LLM's verboden en zijn interne modellen veel zwakker. Het artikel beschrijft een aanpak met behulp van structurele engineering: deterministische codeblokken, lui geladen regels en subagenten om betrouwbaar echte taken uit te voeren.
Het artikel beschrijft een agentische SDLC-aanpak ontwikkeld voor een groot Android-project met behulp van een interne LLM-gateway (geen frontier-modellen toegestaan). De methode is gebaseerd op structurele engineering in plaats van prompts: regels worden opgeslagen in tabellen en indien nodig vers opgehaald, agenten worden geïsoleerd via bestanden, en gevaarlijke acties worden geblokkeerd door deterministische code. De harness bevat lazy-loaded regels, subagenten voor contextisolatie en rolspecialisatie, visie-naar-tekst-routering via een visiemodel, en een drie-level beschermingssysteem (prompts, permissies, plugins). De orchestratieopdracht /ticket volgt een spec-gestuurde ontwikkelstroom: triage, workspace instellen, design extraheren, analyse, round-trip vragen, testplan, implementatie en spot-check. Elke agent heeft een smalle rol en context wordt zorgvuldig beheerd om tokens te besparen. Verschillende incidenten uit het werklogboek illustreren hoe structurele oplossingen herhaling van fouten voorkwamen.
Bron: Habr — хаб ИИ —
origineel
