ART

Коротко

ART полезен, когда:

• задача требует несколько tool calls;
• для разных задач можно переиспользовать похожие reasoning programs;
• ручной few-shot prompting плохо масштабируется;
• нужен более системный подход к tool-use.

Подбери из библиотеки задач подходящую reasoning-and-tool программу и адаптируй её под новый запрос: сравнить три SDK по auth, limits и pricing с использованием поиска и табличного синтеза.

ART нужен там, где tool-using agent должен быть не только гибким, но и воспроизводимым.

Чем ART отличается от простого ReAct

ReAct interleaves reasoning и acting прямо в процессе решения. ART добавляет сильнее выраженный слой reuse:

• есть task library;
• из неё выбираются похожие reasoning/tool programs;
• программа адаптируется под новую задачу;
• исполнение идёт по более структурированной trace.

То есть ART ближе к retrieval over reasoning programs, чем к чистому runtime improvisation.

Когда техника особенно полезна

ART хорошо подходит для:

• data analysis copilots;
• workflow assistants;
• semi-structured task libraries;
• инструментальных агентов с повторяющимися сценариями;
• environments, где полезна human-in-the-loop правка reasoning programs.

Если задачи полностью хаотичны и не имеют повторяемых паттернов, выигрыш будет меньше.

Ограничения

ART требует поддерживать библиотеку задач и программ. Если она слабая или не покрывает реальный трафик, выбор шаблона будет неудачным. Кроме того, сама retrieval-логика по task library тоже может ошибаться.

То есть техника выигрывает там, где reuse реален, а не просто желаем.

Почему техника актуальна в 2026

С ростом agent systems стало ясно, что бесконечно полагаться на improvisation плохо для стабильности. ART важен как шаг к reusable reasoning infrastructure, где tool use можно хранить, переиспользовать и постепенно улучшать.

Это делает технику полезной для продуктовых команд, которым нужны более инженерные агентные workflows.

Техническая реализация

const program = await retrieveSimilarProgram(taskLibrary, newTask)
const adaptedProgram = await model(adaptProgramPrompt(program, newTask))
const result = await executeProgram(adaptedProgram, tools)

Практический совет: versioning для task library здесь обязателен. Иначе улучшение одной reasoning program незаметно ломает поведение на соседних задачах.