Ветераны OpenSearch объявили о запуске Infino — проекта, который авторы позиционируют как слой извлечения для агентов. Для команд, строящих ИИ-агентов поверх корпоративных документов, баз знаний и API, это сигнал: качество ответа всё чаще определяется не моделью, а тем, какие данные система успела найти и передать ей в контекст.
О запуске сообщает The New Stack. Из доступного описания следует, что Infino нацелен именно на retrieval-часть агентных систем — промежуточный слой между агентом и источниками данных. Это не очередной чат-интерфейс и не попытка заменить большую языковую модель: задача проекта — сделать получение релевантного контекста отдельной инженерной функцией.
Название OpenSearch здесь важно не как маркетинговая наклейка. OpenSearch вырос из поисковой инфраструктуры, где приходится разбираться с индексами, запросами, релевантностью, задержками и эксплуатацией в продакшене. У разработчиков агентов эта же боль быстро возвращается в новой упаковке. На демо агент уверенно отвечает на вопросы по десятку документов. В рабочей среде ему нужно отличить актуальную политику от старой версии, учесть права доступа, не потерять контекст между действиями и не сжечь бюджет на бесконечных запросах к модели.
Именно поэтому слой извлечения для агентов становится самостоятельным элементом архитектуры. В ранних RAG-проектах его нередко сводят к простой схеме: загрузить файлы, нарезать текст, получить эмбеддинги, найти несколько похожих фрагментов и вставить их в промпт. Такой конвейер годится для прототипа, но плохо отвечает на вопросы, которые появляются у бизнеса уже после пилота: почему агент выбрал именно этот источник, как обновляются данные, что произойдёт при изменении схемы, можно ли воспроизвести ошибочный ответ и кто отвечает за доступ к найденной информации.
Для русскоязычных команд это особенно практичная тема. Многие компании уже пробуют внутренних помощников для поддержки, продаж, HR, юридических и технических баз знаний. Самый сложный разговор в таких проектах обычно начинается после первой удачной демонстрации: модель формулирует ответ гладко, но опирается на устаревший регламент или не находит нужный документ. Покупать ещё одну модель в этот момент необязательно; часто полезнее сначала привести в порядок данные, метаданные, поиск и правила отбора контекста.
Появление Infino также показывает сдвиг в агентном рынке. Раньше инфраструктуру для LLM часто обсуждали через выбор провайдера модели, длину контекстного окна и стоимость токенов. Теперь в центре внимания оказываются компоненты, которые делают агента управляемым: оркестрация действий, наблюдаемость, оценка качества и поиск. Чем больше агенту разрешают делать самостоятельно, тем опаснее относиться к retrieval как к невидимой служебной детали. Ошибка в найденном фрагменте может превратиться не просто в неверный ответ, а в неверно созданную заявку, письмо клиенту или действие во внутренней системе.
Для разработчиков новость не означает, что нужно срочно переписывать существующий стек. Деталей о возможностях Infino в представленном материале немного, поэтому сравнивать проект с конкретными поисковыми движками или готовыми агентными платформами было бы преждевременно. Но критерии оценки уже понятны: как система подключает разные источники, учитывает актуальность и права доступа, объясняет выбор документов, работает с обновлениями и позволяет измерять качество выдачи на реальных задачах команды.
Продуктовым руководителям стоит вынести retrieval из разряда «магии под капотом» в список измеряемых требований. Полезно заранее собрать набор типовых вопросов, ожидаемые источники и недопустимые ответы, а затем проверять не только итоговую формулировку агента, но и найденный им контекст. Для IT-директоров это ещё и вопрос владения данными: агентная система, не контролирующая путь от запроса к источнику, быстро становится трудноаудируемой.
Infino появился в момент, когда рынок учится отличать разговорчивого бота от рабочего агента. Следующий конкурентный барьер будет не в том, кто подключит модель быстрее, а в том, кто надёжнее организует доступ агента к знаниям компании — и сумеет доказать, откуда взялся каждый значимый ответ.