How Meta Used AI to Map Tribal Knowledge in Large-Scale Data Pipelines
Author: Krishna Ganeriwal, Plawan Rath, Ashwini Verma | Source: Meta Engineering | Published: 2026-04-06
한 줄 요약
Meta가 50+ 특화 AI 에이전트를 다단계 오케스트레이션하여 4,100+ 파일의 데이터 파이프라인 암묵지를 59개 구조화된 컨텍스트 파일로 문서화했다.
핵심 주장/내용
- 탐색(explorer) → 분석(analyst) → 작성(writer) → 비평(critic) → 수정(fixer) → 테스트의 다단계 에이전트 파이프라인
- 모듈당 5가지 핵심 질문: 구성 내용, 수정 패턴, 빌드 실패 원인, 교차 의존성, 암묵지
- “Compass, Not Encyclopedia” 원칙: 파일당 25-35줄(~1,000 토큰)으로 간결하게 유지
- 멀티라운드 비평가 에이전트와 자동 프롬프트 테스트(55+ 쿼리)로 품질 보증
- 주기적 자동 갱신으로 “오래된 컨텍스트는 컨텍스트 없는 것보다 나쁘다” 문제 해결
주요 수치 / 사실
- AI 컨텍스트 커버리지: 5% → 100% (5개 → 59개 파일)
- 에이전트 도구 호출 및 토큰 사용 40% 감소
- 2일 걸리던 복잡 워크플로우가 30분으로 단축
- 59개 컨텍스트 파일이 최신 모델 컨텍스트 윈도우의 0.1% 미만 사용
관련 위키
Source: 원문 보기