AI-модели
Microsoft Foundry научит агентов на ошибках: новые навыки и оптимизация с проверкой перед выпуском
Публикация:
На Ignite показали цикл от трассировок и отзывов до проверенных изменений. Оптимизация навыков и стоимости пока в preview, а выпуск остаётся за командой.

Microsoft представила на Ignite обновления Foundry для непрерывного улучшения ИИ-агентов. Платформа связывает реальные запуски, отзывы экспертов, тесты и подбор изменений в общий цикл. Новые возможности включают предварительный доступ к оптимизации навыков и стоимости, а также превращение замеченной в рабочей среде проблемы в проверяемые варианты исправления.
Из повторяющейся ошибки в проверяемое изменение
Foundry сохраняет трассировку запуска: что поручили агенту, что он сделал и как ответил. Эксперты могут отмечать удачные решения и ошибки, а эти пометки становятся основой наборов для оценки. Аннотации трассировок, такие наборы и закрепление эталонного golden dataset представлены в preview.
Insights группирует повторяющиеся проблемы, показывает свидетельства и предполагаемую причину. Эта возможность уже общедоступна, как и наблюдение за внешними агентами на LangGraph, LangChain и CrewAI. Передача найденной проблемы в Agent Optimizer для подбора исправлений пока находится в preview.
Agent Optimizer предлагает изменения инструкций, навыков и выбора модели и проверяет кандидатов на заданных командой оценках. Новая оптимизация навыков анализирует прошлую работу и обратную связь, выделяет повторяющиеся ошибки и удачные подходы, а затем предлагает новые или обновлённые навыки. Они имеют версии, допускают откат и повторное использование в других агентах. Эта часть тоже в preview.
Экономия не должна подменять качество
Cost optimization в preview ищет более дешёвые способы выполнения задач, например замену модели на меньшую. Кандидатов сравнивают по качеству, задержке и стоимости успешного результата. Это не обещание одинаковой экономии для любого приложения: команда сначала определяет собственные критерии и проверяет изменения на своих заданиях.
Microsoft подчёркивает, что рекомендации сами по себе не меняют рабочую систему. Команда выбирает, какое изменение применить, и до этого в production ничего не разворачивается. При сравнении новой версии с текущей Foundry использует статистические проверки; тот же барьер качества можно включить в GitHub Actions или Azure DevOps.
От настройки агента к обучению модели
В цикл также входят Managed Training и Programmed Training. Managed Training - новое название managed fine-tuning, а не полностью новый механизм. Programmed Training находится в preview и позволяет инженерам писать собственные циклы обучения на Python, включая обучение с учителем и обучение с подкреплением для поддерживаемых моделей с открытыми весами. Foundry берёт на себя вычислительную инфраструктуру.
После выпуска непрерывная оценка выбирает часть реального трафика и проверяет её теми же критериями. Плановые проверки эталонного набора и red-team-сканирования помогают заметить ухудшение качества или новые риски. В описанной Microsoft схеме обратная связь запускает следующий раунд предложений и тестов, а не даёт агенту право незаметно менять собственную рабочую конфигурацию.
Обновления входят в более широкий Microsoft IQ, который объединяет корпоративный контекст и инструменты для агентов. Для Foundry практический смысл анонса - сделать улучшение повторяемым процессом: зафиксировать критерий, найти проблему, проверить кандидатов и только затем принять решение о выпуске. Значительная часть новых инструментов пока предварительная, поэтому их нельзя описывать как единый полностью общедоступный пакет.