Самостоятельно размещенный контекстный бандит на Rust: Syntra и Lycan для адаптивных систем принятия решений

Два новых проекта с открытым исходным кодом направлены на внедрение функциональности контекстных бандитов в производственные системы без использования Python ML стека. Lycan — это небольшой язык выполнения графов, где узлы стратегий являются первоклассным примитивом: вы определяете несколько реализаций одного контракта, а среда выполнения изучает веса на основе обратной связи по результатам. Он компилируется в бинарный граф, выполняемый средой Rust без LLM на критическом пути.

Syntra — это self-hosted приложение Docker/API, которое обслуживает скомпилированные капсулы Lycan. Ключевые возможности:

• Мультитенантная архитектура с приоритетом теневого режима
• Контекстное обучение по contextKey
• Постоянное хранилище в файловой системе
• Раздельные журналы аудита, решений и обратной связи
• MVP уровень создания конфигурации в YAML (без необходимости писать на Lisp)

Заявленные случаи использования: повторяющиеся решения, где лучший вариант зависит от контекста, а результат поступает позже — маршрутизация моделей LLM, политика повторных попыток/таймаутов, выбор очередей, настройка порогов.

Испытание на MoEFolio.ai (публичная панель дебатов по AI-акциям с результатами, разрешаемыми рынком за 30 дней) выявило первый сюрприз: схема contextKey сворачивала все секторы в unknown, поскольку поиск сектора разрешал символы только из одного из трех входных путей. Бандит номинально был 5-мерным, но фактически 2-мерным, обучаясь по среднему по всем секторам. Исправление конвейера данных, а не алгоритма, составляет основную работу в адаптивных системах.

Лицензия Apache-2.0, очень ранняя стадия. Автор приглашает к просмотру всех, кто работал с бандитами в продакшене.