Comment nous avons construit un système de documentation sur l'IA multi-agents (et ce que nous avons appris)

Le trimestre dernier, chez Zeppelin Labs, nous avons livré Orchestrator-15, une plate-forme de génération de documentation multi-agents qui prend une base de code ou une spécification d'idée et produit une documentation technique de qualité production à l'aide d'agents d'IA coordonnés.

Cet article couvre l'architecture, les erreurs et les modèles spécifiques qui ont permis à la coordination multi-agent de fonctionner réellement en production. Pas un tutoriel – une histoire de guerre.

Pourquoi multi-agents, pas seulement une seule grande invite ?

L'approche naïve de la génération de documentation sur l'IA consiste en une invite géante : "voici ma base de code, écrivez la documentation".

Cela échoue pour la même raison que vous ne demanderiez pas à une seule personne d’être simultanément rédacteur technique, analyste API, concepteur de diagrammes et éditeur. Les fenêtres contextuelles sont limitées. Les tâches ont des cibles d'optimisation différentes. Et un seul agent essayant de tout faire produit un résultat médiocre à tous les niveaux.

L'approche multi-agents attribue des rôles spécialisés :

• Agent Analyzer - lit la structure de la base de code, identifie les modules, mappe les dépendances
• Writer Agent - prend une sortie d'analyse structurée et produit une documentation en prose
• Agent de formatage : applique des modèles, assure la cohérence, gère les références croisées
• Agent réviseur : vérifie l'exhaustivité, signale les lacun...
  [Courte citation de 8% de l'article original]