Elasticsearch Agent Builder Hackathon показал рабочие AI‑агенты для фармаконадзора, адверсариального тестирования

На хакатоне разработчики представили рабочие AI‑агенты, созданные с помощью Agent Builder, Elastic Workflows, Elasticsearch и ES|QL, которые решают прикладные задачи — от фармаконадзора до очистки медицинских данных и адверсариального тестирования.

На прошедшем хакатоне Elasticsearch Agent Builder участники со всего мира представили работоспособные AI‑агенты для реальных, дорогостоящих бизнес‑задач — это фармаконадзор, адверсариальное тестирование и обработка медицинских записей. Организаторы просили сочетать модели рассуждения (LLM) с инструментами Agent Builder: Elastic Workflows, Elasticsearch и ES|QL, а также с оркестрацией и пайплайнами данных; итог показал, что агенты могут не только выдавать ответы, но и оркестрировать действия, обрабатывать потоки и запускать машинно‑исполняемые операции.

Победитель PHAROS, автор Prajwal Sutar, реализовал четырёхагентную систему фармаконадзора, которая за менее чем минуту выполняет полный цикл: ingestion FDA adverse event reports, интеграцию статистики ВОЗ, вычисления внутри ES|QL с JSON‑парсингом, генерацию регуляторной документации и отправку оповещений в Slack, Jira и по электронной почте. Sutar подробно описал архитектуру и мотивы держать статистические вычисления внутри поискового кластера, что позволило ускорить обработку и упростить интеграцию с инструментами мониторинга.

Проект Gauntlet от Kavish Sathia сфокусирован на адверсариальном тестировании агентов: в нём есть «мок‑агент», перехватывающий вызовы инструментов главного агента и автоматически пытающийся вывести систему из равновесия. Мок‑агент использует долгосрочную память, которая делает атаки изобретательнее с каждой итерацией; автор переработал систему с нуля за 48 часов до дедлайна и в публикации объясняет двухуровневую архитектуру памяти и неожиданные наблюдения по поведению функции completion в ES|QL.

Решение для Кении, разработанное Fredrick Kioko, адресует проблему дубликатов пациентских записей в системе тестирования на ВИЧ: трёхагентный пайплайн просканировал 1 010 анонимизованных записей менее чем за 10 секунд и выделил 131 дубликат, включая обращения в разные учреждения в тот же день. Проект демонстрирует практическую экономию — дни ручной верификации и сокращение расхода реагентов — и подчёркивает важность объяснимости алгоритмов при работе с клиническими данными. Эти проекты иллюстрируют основную идею хакатона: начинать с конкретной, дорогостоящей проблемы бизнеса и строить агента, который рассуждает и оркеструет инструменты, а не только выполняет поиск. Победители опубликовали детальные отчёты о проблемах, архитектуре и уроках; при этом организаторы отмечают, что выпуск и сроки любых описанных функций остаются на усмотрении Elastic.