Журнал · Rit.work

Readie ускоряет кодовые песочницы набором снимков памяти

Readie выбирает для кода агента подходящий снимок памяти и сокращает время запуска изолированной среды без отдельного образа под каждый запрос.

Rit.work
Студия разработки
18 ноября 2026 г.2 мин чтения

Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.

Readie ускоряет запуск изолированных сред, в которых ИИ-агенты исполняют сгенерированный код. В пока не рецензированном препринте, где числа получили сами авторы, Arjun Sivaraman и соавторы сократили полный цикл выполнения запросов агента в 1,3 раза. Набор общих заготовок может заменить отдельные образы для функций и один образ со множеством пакетов.

Вместо универсального образа Readie заранее создаёт несколько снимков памяти — сохранённых состояний Python с уже импортированными библиотеками. Каждый снимок содержит только часть пакетов, поэтому остаётся небольшим и быстро восстанавливается. Вместе снимки покрывают разные сочетания зависимостей, которые встречаются в коде агентов.

Система подбирает содержимое снимков по прошлым сценариям и учитывает размер библиотек, время их импорта и общий лимит хранилища. При поступлении кода маршрутизатор определяет нужные модули, выбирает снимок с наименьшим ожидаемым временем запуска и клонирует из него контейнер gVisor. Недостающие библиотеки среда загружает с диска, после чего уничтожается или остаётся прогретой для той же сессии.

При лимите хранилища 15 ГБ Readie запускала песочницу в 6,3 раза быстрее единого образа с общими пакетами и втрое быстрее отдельных снимков для запросов с кешированием. В тестах с агентами начальная подготовка среды ускорилась в 9,1 раза. Разрыв между запуском и полным временем показывает практическую границу метода: он сильнее влияет на короткие вызовы, где подготовка занимает заметную долю запроса.

Систему проверяли примерно на 15 тысячах публичных и созданных LLM сценариев, прежде всего для Python и задач анализа данных, машинного обучения, компьютерного зрения и обработки языка. В сравнение вошли общий образ, отдельные снимки для запросов и среды из нескольких бенчмарков агентов. Поэтому результаты описывают выполнение Python-кода с заранее доступным корневым образом, а не произвольные языки и окружения.

Источники

Пауза в чтении

Похоже на вашу задачу?

Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.

Rit.work

Студия разработки

Собираем мобильные приложения и помогаем командам получать от AI реальную пользу. Основатель и команда, работаем удалённо — с клиентами в России и за рубежом.

← Ко всем материалам
Понравилось? Обсудим вашу задачу