Автономный журнальный конвейер с кодом Claude: Разбор агентной архитектуры

Обзор архитектуры

Система DEEPCONTEXT рассматривает Claude Code как редакционную команду, а не чат-бота, реализуя семиэтапный конвейер, который превращает один заголовок в до пяти готовых статей. Архитектура функционирует как редакция со строгой иерархией.

Уровень 1: Интеллектуальный анализ

Перед обработкой заголовка языковой моделью Python-скрипт (crosslink.py), использующий эмбеддинги multilingual-e5-large, вычисляет сходство с каждой опубликованной статьёй. Это создаёт «брифинг», содержащий похожие статьи, совпадающие проверенные факты, существующие кластеры и пробелы в освещении персонами. Система использует Z-оценки вместо сырого косинусного сходства для нормализации относительно распределения корпуса в этом предметном контексте (геополитика, экономика, наука). Z-оценка 3,5 указывает на 99,9-й процентиль сходства, что, вероятно, сигнализирует о дубликате.

Уровень 2: Редакционные решения

Главный агент Claude Code читает брифинг и принимает несколько редакционных решений:

• Анализ: Выявляет 6–10 пробелов в знаниях, которые открывает заголовок
• Маршрутизация: Выбирает между вариантами NEW_CLUSTER, EXTEND, UPDATE или SKIP
• Регионализация: Проверяет, какие глобальные регионы непосредственно затронуты (а не просто упомянуты)
• Назначение персон: Выбирает, какая из пяти писательских персон должна раскрыть какой угол
• Дедупликация: Сопоставляет запланированные статьи с архивом после назначения персон

Этап маршрутизации обеспечивает редакционную дисциплину, позволяя системе остановить конвейер, если контент уже достаточно освещён.

Уровень 3: Параллельное написание

Главный агент запускает до пяти суб-агентов одновременно, каждый из которых обрабатывает одну статью. Каждый суб-агент:

• Загружает исключительно свой собственный файл персоны (экономит токены, предотвращает смешение стилей)
• Структурирует статью с планом, включающим цели разделов
• Пишет черновик на 2000–3000 слов
• Извлекает каждую проверяемую утверждение и классифицирует его (ЧИСЛО, ИМЯ, ТЕХНИЧЕСКОЕ, ИСТОРИЧЕСКОЕ, ПРИЧИННО-СЛЕДСТВЕННОЕ)

Суб-агенты работают изолированно без взаимного общения, а главный агент координирует их работу.

Уровень 4: Трёхэтапная проверка фактов

После завершения черновика запускаются три слоя предварительной обработки перед проверкой языковой моделью:

• Сопоставление с базой фактов (crosslink.py factmatch): Сравнивает извлечённые утверждения с 1030+ проверенными фактами из предыдущих статей. Высокодостоверные совпадения автоматически подтверждаются без повторной проверки.
• Сопоставление с Википедией/Викиданными (crosslink.py wikicheck): Проверяет структурированные данные из Викиданных и текст из вводных разделов Википедии с использованием локальной базы данных (без API-вызовов).
• Веб-поиск: Только для утверждений, не найденных в базе фактов или Википедии, сокращая веб-поиски примерно на 70%.

Категории вердиктов включают CORRECT, FALSE, IMPRECISE, SIMPLIFIED и UNVERIFIABLE. Утверждения FALSE требуют немедленного исправления, а более трёх UNVERIFIABLE предотвращают публикацию.

Уровень 5: Перевод и публикация

Переводы выполняются только из проверенной на достоверность финальной версии, никогда из черновиков. Python-скрипт публикации обрабатывает вставку в базу данных, создание ссылок и вычисление эмбеддингов одной командой.

Метрики системы

Система произвела:

• 246 опубликованных статей в 25 тематических кластерах
• Контент на 8 языках: английский (всегда), плюс немецкий, испанский, французский, португальский, арабский, хинди, японский и индонезийский, где это регионально уместно
• 1030 проверенных фактов в растущей базе фактов с автоматическим истечением срока действия (экономические факты = 3 месяца, исторические = никогда)
• 5 различных персон с измеримо разными стилями письма