Jarvis Pattern dla agentów AI bez frameworków

Wzorzec Jarvis: system operacyjny zamiast frameworków dla agentów AI

Agent AI oparty na LLM w pełni automatyzuje zadania DevSecOps — od wdrażania klastrów po audyt bezpieczeństwa obrazów. Autor proponuje Wzorzec Jarvis: LLM jako mózg, OS jako ręce wykonawcze, system plików jako pamięć. To zastępuje frameworki, grafy i bazy wektorowe, czyniąc agenta samodzielnym specjalistą.

Problemy frameworków i orkiestratorów

Współczesne narzędzia dla agentów LLM dodają warstwy middleware: grafy wywołań, magazyny wektorowe, potoki z dziesiątek węzłów. Rezultat — kruche systemy, które psują się przy aktualizacjach. Zamiast uproszczenia pojawia się nowa złożoność.

Rusztowania nie równają się budynkowi. Frameworki to konstrukcja tymczasowa, którą trzeba usunąć. Agent powinien bezpośrednio współdziałać z infrastrukturą, jak Jarvis z warsztatem Tony'ego Starka.

Formuła Wzorca Jarvis:

LLM (mózg) + OS (ręce) + pamięć plikowa (mapa wiedzy) = pełnoprawny specjalista

Pamięć plikowa zamiast baz wektorowych

Agent nie potrzebuje ładować całej dokumentacji. Przechowywane są indeksy i odnośniki: pliki po 30 linii z endpointami API, uwierzytelnianiem, metodami. To mapa, a nie wysypisko danych.

Bazy wektorowe rozwiązują wyszukiwanie po embeddingach, ale bliskość semantyczna ≠ zrozumieniu kontekstowemu. Dwa podobne fragmenty z różnych domen dają śmieci.

Zalety pamięci plikowej:

• Struktura przez foldery i nazwy plików.
• Szybki dostęp bez narzutu wyszukiwania.
• Skaluje się do setek plików dla zadań ops.
• Łatwo aktualizować i defragmentować.

Plik indeksowy core.md zawiera przegląd: projekty, lokalizacja zasobów. Agent nawiguje po drzewie decyzji.

OS jako uniwersalny zestaw narzędzi agenta

Zasady Unix idealne dla AI: wszystko to plik, małe narzędzia do jednego zadania, ich kombinacja.

LLM samodzielnie wybiera narzędzia:

• Zapytania REST: curl.
• Parsowanie JSON: jq.
• Wyszukiwanie: find, grep.
• Brakujące narzędzie: agent pisze skrypt CLI, dodaje do PATH.

Agent wykorzystuje istniejącą infrastrukturę: Prometheus do metryk (zapytania PromQL), Vault do sekretów, Grafana do dashboardów. Plik Markdown z adresami i metodami — i agent działa jak inżynier DevOps.

Obsługa błędów na poziomie operatora

Retry, backoff, circuit breaker potrzebne skryptom. Agent to operator: analizuje odpowiedź 500, odróżnia limit szybkości od niedostępności, czeka lub eskaluje do człowieka.

Przy impasie: jasny raport o przyczynie, bez zawieszania.

Trzy typy pamięci agenta

Deklaratywna

Fakty: konta, tokeny, ścieżki w Vault. Pliki Markdown.

Proceduralna

Runbooki: kroki do publikacji artykułu, wdrożenia. Instrukcje Markdown.

Epizodyczna

Doświadczenie: udane wzorce + negatywy ("podejście X zawiodło przez Y, użyj Z"). Ustrukturyzowane pliki błędów.

Tło Memory Agent-kurator konsoliduje sesje: zapisuje fakty, aktualizuje sprzeczności, odrzuca śmieci. Analog snu u człowieka.

Jeden agent — jeden specjalista

Agent przypisany do człowieka: dziedziczy dostępy, role, kontekst. Żyje w kontenerze na serwerze, nie w kliencie. Człowiek to menedżer dla niepewności, agent to wykonawca rutyny.

Praktyczny przypadek umax (profil DevSecOps):

• RBAC i dostępy: Kubernetes RBAC, FreeIPA, integracja Vault, rotacja tokenów.
• Wdrażanie: LXC w Proxmox → klastry K8s z politykami sieciowymi, ingress.
• Audyt bezpieczeństwa: Trivy/Grype dla obrazów, GitLeaks, SonarQube, kontrole OWASP.
• CI/CD: TeamCity, Nexus, webhooki, rollbacki.
• Migracje i monitoring: LVM, zakupy według metryk.

Działa na Claude Sonnet — modelu średniej klasy.

Co ważne

• Wzorzec Jarvis minimalizuje zależności: LLM + OS + pliki.
• Pamięć plikowa skalowalna, unika problemów wyszukiwania wektorowego.
• Agent rozszerza zestaw narzędzi dynamicznie, używa narzędzi Unix.
• Memory Agent-kurator automatyzuje konsolidację doświadczenia.
• Pełny cykl zadań enterprise na średniej LLM.

— Editorial Team