Августовская работа показала: хорошая машинно-читаемая архитектурная спецификация заметно компенсирует слабость coding-модели. Для сильных моделей формат описания уже не так важен. Для более слабых C4, OpenAPI, contracts и другие структурированные формы сильно поднимают качество результата.
Это меняет роль Architecture-as-Code. Похоже, это уже не просто документация, а интерфейс между архитектурным замыслом и агентом.
Исследования production agentic workloads показывают другую сторону проблемы: агентная система постоянно переключается между LLM, tools, orchestration и state. Узким местом становится не только GPU. CPU, scheduling и runtime снова выходят на первый план.
Хороший агент это уже не «модель + prompt + tools».
Скорее это цепочка: замысел, спецификация, организация агентов, память, харнесс, рантайм, инфраструктура. Слой связей между ними сейчас и становится главным.
Отдельно растет роль памяти. Простого vector DB + top-k для долгоживущих агентов уже мало. Исследования все чаще разделяют semantic, episodic и procedural memory, добавляют управление противоречиями, забывание и reflection.
Новая архитектура agentic systems начинает напоминать самостоятельную вычислительную платформу.
И, возможно, главный вопрос ближайших лет будет не «какая модель лучше пишет код», а «какая архитектура позволяет агентам стабильно проектировать, выполнять и проверять систему».
Работы:
- Architecture as Capability Equalizer for Coding Agents: https://arxiv.org/abs/2608.21747
- Architectural Implications of Agentic AI Workflows: https://arxiv.org/abs/2608.04458
- Bridging Requirements and Architecture: https://arxiv.org/abs/2606.01385
- Architecture Without Architects: https://arxiv.org/abs/2604.04990
- Memory for Autonomous LLM Agents: https://arxiv.org/abs/2603.07670