Vercel запустила open-source шаблон для агентов знаний без векторных баз данных

Большинство современных агентов знаний строятся по схожему сценарию: вы выбираете векторную базу данных, настраиваете пайплайн чанкинга, подбираете модель эмбеддингов и тонко настраиваете параметры поиска. Спустя несколько недель ваш агент отвечает на вопрос неправильно, и вы понятия не имеете, какой чанк он извлёк и почему именно этот чанк получил наивысшую оценку. Именно эту проблему решила команда Vercel, предложив альтернативный подход. Вместо сложного стека с векторными базами данных они создали открытый шаблон, который использует обычную файловую систему и команды grep, find и cat. Это делает агента детерминированным, объяснимым и значительно более дешёвым в эксплуатации. Стоимость одного вызова снизилась с примерно 1 доллара до 0,25 доллара, а качество ответов улучшилось.

Vercel Knowledge Agent Template: новый подход к построению агентов знаний

Vercel выпустила Knowledge Agent Template — открытый шаблон для создания агентов знаний, который полностью отказывается от традиционного стека на основе векторных баз данных и эмбеддингов. Вместо этого агент использует обычную файловую систему с командами grep, find и cat, работая внутри изолированных Vercel Sandboxes. Такой подход делает результаты детерминированными, объяснимыми и быстрыми. По данным Vercel, стоимость одного вызова агента снизилась с примерно $1.00 до примерно $0.25, а качество ответов улучшилось.

Как работает агент знаний без векторной базы данных?

Шаблон не использует векторную базу данных, пайплайн чанкинга или модель эмбеддингов. Вместо этого агент получает доступ к файловой системе, где данные хранятся в виде обычных файлов — Markdown, JSON, текстовые файлы. Когда пользователь задаёт вопрос, агент выполняет grep для поиска по содержимому, find для навигации по директориям и cat для чтения файлов. Всё это происходит в изолированных Vercel Sandboxes, что обеспечивает безопасность и изоляцию. Результаты поиска детерминированы: если агент ошибается, разработчик может открыть трассировку и увидеть, какие именно файлы были прочитаны и какие команды выполнялись. Исправление занимает минуты — достаточно поправить файл или скорректировать стратегию поиска.

Технические детали и архитектура

Knowledge Agent Template построен на Vercel Sandbox, AI SDK и Chat SDK. Он позволяет подключать любые источники данных: репозитории GitHub, транскрипты YouTube, документы в формате Markdown или пользовательские API. Шаблон можно развернуть как веб-чат, GitHub-бота, Discord-бота или все три варианта одновременно. Развёртывание на Vercel происходит в один клик. В отличие от векторного подхода, где ошибка может быть скрыта в эмбеддингах, здесь каждый шаг агента прозрачен: он выполняет grep по конкретным файлам, и если ответ неверен, вы сразу видите, какой файл или раздел был извлечён. Это радикально упрощает отладку.

Кого затронет и как

Новый шаблон в первую очередь интересен разработчикам, создающим чат-ботов и агентов для работы с документацией, базами знаний и структурированными данными. Команды, которые тратят недели на настройку векторных пайплайнов, теперь могут получить работающее решение за несколько часов. Для бизнеса это означает снижение затрат на инфраструктуру — не нужна векторная БД — и более предсказуемое поведение агента. В российском контексте, где многие компании ищут альтернативы западным облачным сервисам, подход Vercel может быть особенно привлекателен, так как не требует сложных зависимостей.

Что будет дальше

Vercel намерена развивать шаблон как open-source проект. Ожидается, что сообщество добавит поддержку новых источников данных и интеграций. Компания также планирует улучшить инструменты трассировки и мониторинга. Учитывая успех внутреннего использования — агент для саммаризации звонков продаж показал улучшение качества и снижение стоимости, — можно ожидать, что подобный подход будет применяться и в других продуктах Vercel.

Итог

Knowledge Agent Template от Vercel предлагает радикально иной подход к построению агентов знаний, заменяя сложный стек векторных баз данных на простую файловую систему. Это делает агенты более предсказуемыми, дешёвыми и простыми в отладке. Разработчикам стоит обратить внимание на этот шаблон, особенно если они устали от необъяснимых ошибок векторного поиска.