Skip to main content

Краткое содержание: Введение в агентов

Основные тезисы​

1. Определение AI агентов​

  • Автономные агенты — интеллектуальные системы, способные к независимому анализу данных, интерпретации среды и принятию решений на основе контекста
  • Автономность существует в виде спектра: от истинных автономных агентов до детерминированных скриптов
  • Ключевой тест: демонстрирует ли система реальное принятие решений или следует статическим скриптам?
  • Движущие силы: foundation модели и обучение с подкреплением
  • Агентная система включает: инструменты, память, foundation модель, оркестрацию, инфраструктуру

2. Революция предобучения​

  • Предобученные модели могут адаптироваться к широкому спектру задач без дополнительного обучения
  • Доступны через один вызов API, без необходимости обучения или размещения
  • Современные LLM (GPT-5, Claude, Llama, Gemini, DeepSeek) обеспечивают:
    • Понимание естественного языка
    • Контекстно-зависимое взаимодействие
    • Генерацию структурированного контента
    • Использование инструментов
    • Адаптивное планирование

3. Типы агентов​

Семь основных типов:

  1. Бизнес-задачи — автоматизация рабочих процессов (UiPath, Power Automate, Zapier)
  2. Разговорные — чатботы и поддержка клиентов
  3. Исследовательские — сбор и синтез информации (Perplexity AI, Elicit)
  4. Аналитические — анализ данных и отчеты (Power BI Copilot, Glean)
  5. Разработчики — помощь в программировании (Cursor, GitHub Copilot)
  6. Доменно-специфичные — специализированные области (Harvey, Hippocratic AI)
  7. Использующие браузер — навигация и взаимодействие с веб-сайтами

Дополнительные типы: голосовые и видео-агенты

4. Выбор модели​

  • Изобилие выбора: коммерческие провайдеры (OpenAI, Anthropic, Google) и open-source (Llama, Mistral)
  • Реалистичный старт: использовать последнюю модель общего назначения от ведущего провайдера
  • Тренд: автоматизированный выбор модели — маршрутизация простых запросов к малым моделям, сложных — к большим
  • Будущее: мультимодельные системы станут нормой

5. Асинхронные операции​

  • Традиционные системы: синхронные (шаг за шагом)
  • Автономные агенты: асинхронные (параллельная обработка, динамический приоритет)
  • Трансформация работы: от исполнителей задач к менеджерам задач
  • Агенты делают человеческие роли проактивными, а не реактивными

6. Практические применения​

Семь примеров агентов:

  1. Поддержка клиентов — 24/7, обработка запросов, эскалация
  2. Финансовые услуги — управление счетами, мошенничество, портфели
  3. Здравоохранение — прием пациентов, сортировка, координация
  4. IT-поддержка — устранение неполадок, обновления, безопасность
  5. Юридические документы — обзор контрактов, исследования, соответствие
  6. SOC аналитики — расследование угроз, реагирование на инциденты
  7. Цепочка поставок — оптимизация запасов, отслеживание, прогнозирование

7. Рабочие процессы и агенты​

Когда использовать что:

  • Простой код: детерминистические входные данные, миллисекундная задержка, регулируемые домены
  • Детерминированные рабочие процессы: конечные ветви, явная обработка ошибок
  • RAG/чатботы: ответы на вопросы по корпусу документов
  • Автономные агенты: неструктурированные входные данные, многошаговое планирование, непрерывное обучение

Ключевые факторы выбора:

  • Вариабельность входных данных
  • Сложность рассуждения
  • Ограничения производительности/соответствия
  • Бремя обслуживания

8. Принципы построения​

  1. Масштабируемость — распределенные архитектуры, автомасштабирование
  2. Модульность — независимые компоненты, четкие интерфейсы
  3. Непрерывное обучение — обучение на опыте, обратная связь пользователей
  4. Устойчивость — обработка ошибок, безопасность, избыточность
  5. Будущая защита — открытые стандарты, гибкая инфраструктура

9. Организация для успеха​

  • Баланс: гибкость экспериментирования + стратегическое выравнивание
  • Стратегия: "один стандарт на большую группу"
  • Избегание зависимости от поставщика: открытые стандарты (OpenAPI), модульность
  • Обмен знаниями: форумы, репозитории, документация
  • Легковесное управление: принципы, а не мандаты

10. Агентные фреймворки​

Основные фреймворки:

  • LangGraph: модульная оркестрация, графы, асинхронность (фокус книги)
  • AutoGen: мультиагентная координация, динамические роли
  • CrewAI: простота, быстрый старт, абстракции "crew" и "tasks"
  • OpenAI Agents SDK: интеграция с OpenAI, безопасность

Выбор:

  • Прототипы → CrewAI или OpenAI SDK
  • Продакшн → LangGraph или AutoGen
  • Альтернатива: прямое использование API поставщиков

Ключевые выводы​

  1. Автономность — это спектр, не все "агенты" действительно автономны
  2. Предобучение революционизировало доступность AI — один вызов API вместо месяцев разработки
  3. Выбор решения (код/рабочий процесс/RAG/агент) критически важен для успеха проекта
  4. Принципы проектирования (масштабируемость, модульность, обучение, устойчивость) — основа эффективных систем
  5. Организационная культура (баланс экспериментирования и стандартизации) определяет успех внедрения
  6. Будущее мультимодельное — проектирование для гибкости окупится

Следующие шаги​

В следующих главах мы углубимся в:

  • Проектирование агентных систем (компоненты, архитектуры, компромиссы)
  • Дизайн пользовательского опыта
  • Использование инструментов
  • Оркестрацию
  • Память и знания
  • Обучение в агентных системах