Отчёт о расследовании
TRBT. ИИ-система воркфлоу, которой моя команда реально пользуется.
TRBT, Tickets Resolved Before Tea, это мультиагентная ИИ-система, которую я построил в Fireblocks. Она читает сложный запрос, выбирает нужных агентов-специалистов, проверяет доверенные данные, логи и ончейн-источники, а затем превращает находки в отчёт, по которому инженер может действовать. Полезные части возвращаются в плейбуки для следующего кейса.
- Пользователей ежедневно
- 7
- Профильных агентов
- 18
- Продуктовых областей
- 9
- Фаз за прогон
- 5
Архитектура
Что движется, когда идёт расследование.
- 01ВходИнженер отправляет запрос
- 02ОркестраторСортирует · маршрутизирует · синтезирует
- 03СпециалистыПрофильные агенты параллельно
- 04Доверенные данныеИсточники данных · логи · ончейн
- 05Отчёт со ссылкамиПервопричина · доказательства · решение
- 06Цикл обученияПлейбуки обновляются каждый прогон
Построено на суб-агентах Claude Code · доверенные данные и источники наблюдаемости · агентная IDE · хранилище данных · публичные RPC блокчейнов.
Проблема
Сложные расследования зависели от нескольких человек.
Самые трудные крипто-расследования требовали знания продукта, понимания данных, запросов к логам, ончейн-проверок и здравого смысла. Несколько старших специалистов знали, куда смотреть. Это знание было быстрым, но не масштабировалось. TRBT, Tickets Resolved Before Tea, начинался как способ уложить эту экспертизу в повторяемый воркфлоу.
Подход
Оркестратор плюс специалисты, а не одна гигантская модель.
TRBT не просит одну модель знать всё. Один оркестратор читает контекст, маршрутизирует запрос и синтезирует результат. Восемнадцать специализированных профильных агентов каждый владеет узкой частью продукта, с выверенными запросами, проверенными паттернами и ограниченными правами. Оркестратор выбирает нужную горстку под запрос, и специалисты работают параллельно.
Источники знаний
Построено на реальных воркфлоу, а не на общем тексте из вики.
Первичные источники собраны вручную: паттерны доверенных данных, проверенные запросы, исправления ошибок и плейбуки, написанные по реальным расследованиям. Команда learn извлекает паттерны из завершённой работы и обновляет плейбуки. Вторичные источники, такие как документация SDK и публичные API-справки, добавляют контекст при необходимости.
Путь
5 фаз на расследование.
Triage, Context, Investigate, Synthesize, Learn. Triage быстрый и маршрутизирует запрос по продуктовым областям. Context дополняет недостающие детали по клиенту, кейсу, активу и сети из доверенных источников. Investigate запускает параллельных специалистов. Synthesize сводит находки в структурированный отчёт с первопричиной, таблицей доказательств и решением. Learn сохраняет паттерн на следующий раз.
Результаты
Что изменилось.
Команда поддержки из 7 человек пользуется TRBT ежедневно на живых тикетах. Расследования, которые занимали часы, теперь доходят до первопричины меньше чем за 15 минут. Паттерны, которые раньше были племенным знанием, теперь стали плейбуками. Новые инженеры выходят на скорость быстрее. Старшие инженеры делают меньше рутины и больше по-настоящему трудной работы, которая им под силу. Система становится лучше от использования: каждое расследование питает цикл обучения.
Что переносимо
Этот паттерн работает далеко за пределами одной команды.
Sales-аналитика: досье на аккаунты, исследование потенциальных клиентов, ответы на RFP. Продуктовый анализ: запросы фич, сгруппированные по областям, боль клиентов на карте роадмапа. Безопасность: разбор логов и объяснение аномалий. Форма TRBT (оркестратор, агенты-специалисты, выверенное знание, цикл обучения), это переиспользуемый строительный блок, а не единичный продукт.
Хотите увидеть этот паттерн на своей задаче?
Давайте поговорим