AI-агенти простими словами: патерни, які працюють

За останній рік слово «агент» стало наліпкою, яку клеять на що завгодно: на чат-бота в директі, на розширення для браузера, на звичайний промпт із гучною назвою. Через це в голові каша — незрозуміло, що ти реально можеш зібрати для своєї роботи вже сьогодні, а що поки лише красива обіцянка.

Інженери Anthropic (команда, яка робить Claude) зібрали досвід десятків команд, що будували таких «агентів» у справжніх продуктах, і виклали його в матеріалі Building effective agents. Головний висновок вийшов неочікувано нудним — і саме тому цінним: найкраще працювали не складні системи, а прості, зібрані з кількох зрозумілих деталей.

Це третя стаття серії «Основи AI від Anthropic» — після промпт-інженерії і роботи з контекстом. Тут розберемо, чим агент відрізняється від чат-бота, які бувають типові схеми роботи і чому «простіше» майже завжди означає «надійніше». Одна ремарка: оригінал вийшов у грудні 2024 року, і автори самі додали примітку, що інструменти навколо відтоді сильно змінилися. Але логіка залишилася робочою — вона про спосіб мислення, а не про конкретні кнопки.

Чат-бот відповідає. Агент — робить

Різниця зводиться до трьох речей: інструменти, цикл і зворотний зв'язок від середовища. Чат-бот отримав запит — віддав текст, і на цьому його робота закінчилась. Агент має доступ до інструментів (пошук, таблиця, календар, твоя база клієнтів), робить крок, дивиться на реальний результат цього кроку і вже на основі побаченого вирішує, що робити далі. І так по колу, поки задача не закрита.

Приклад із життя. Ти просиш модель написати пост — це чат-бот. Ти просиш переглянути статистику останніх двадцяти постів, знайти, які теми зайшли, і на основі цього зібрати контент-план — і система сама йде в таблицю, сама бачить цифри, сама коригує напрямок. Це вже агентна поведінка.

«Це, як правило, просто мовні моделі, які в циклі користуються інструментами, спираючись на зворотний зв'язок від середовища» — так описує агентів команда Anthropic.

Anthropic узагалі не радить сперечатися, що «справжній агент», а що ні. Вони вводять одну парасолькову назву — агентні системи (agentic systems), тобто все, де модель не просто говорить, а щось робить. А от що справді варто розрізняти — це наступний пункт.

Спочатку чесне питання: тобі потрібен сценарій чи агент?

Anthropic проводить одну принципову межу. Сценарій, або робочий процес (workflow) — це коли кроки прописала людина: система завжди йде тим самим шляхом, у тому самому порядку. Агент (agent) — це коли модель сама вирішує, які кроки робити, якими інструментами скористатися і коли зупинитись.

Сценарій дає передбачуваність: ти знаєш, що станеться, і легко ловиш поламане місце. Агент дає гнучкість там, де шлях неможливо намалювати заздалегідь. Тест простий: якщо ти можеш взяти аркуш і виписати кроки — роби сценарій. Якщо не можеш, бо кроки залежать від того, що знайдеться по дорозі — тоді агент.

«Розсортувати вхідні повідомлення за типом і на кожен тип відповісти своїм шаблоном» — це сценарій. «Ось клієнт зі скаргою, розберись сам» — це агент.

Патерни: драбина, якою піднімаються знизу

Anthropic описує кілька схем, які реально виявилися робочими. Ключове: це драбина складності, і починати треба з нижньої сходинки.

Один підсилений запит

Найнижча сходинка — і найчастіше достатня. Одна модель плюс доступ до інформації, інструментів і пам'яті. Для більшості задач цього вистачає, а агентна система тут буде просто дорожчою і повільнішою при тому самому результаті.

Ланцюжок кроків

Задача ріжеться на послідовні кроки, і кожен працює з результатом попереднього. Спочатку структура лендінгу, потім перевірка, чи вона відповідає твоїм критеріям, потім текст за структурою. Ти свідомо жертвуєш швидкістю, щоб кожен окремий крок став для моделі легшим — і точність зростає.

Маршрутизація

Спочатку класифікуємо, що взагалі прийшло, а потім відправляємо у свою гілку зі своїм промптом. Питання про ціну, скарга, запит на співпрацю — три різні процеси. Без маршрутизації ти налаштовуєш промпт під один тип запитів і псуєш якість на всіх інших.

Паралель

Тут два варіанти. Або ти ріжеш задачу на незалежні частини й проганяєш їх одночасно — один прохід пише текст, інший паралельно перевіряє його на неприйнятні формулювання. Або ти проганяєш ту саму задачу кілька разів різними промптами, щоб порівняти відповіді. Працює це тому, що коли на кожен аспект є окремий прохід, увага моделі не розпливається.

Оркестратор і виконавці

Головна модель сама ділить задачу на частини, роздає їх, а потім зшиває результати. Зовні схоже на паралель, але різниця критична: тут склад підзадач не прописаний заздалегідь. Це варіант для аналізу конкурентів, де ти наперед не знаєш, скільки джерел доведеться перебрати.

Оцінювач і редактор

Один прохід пише, другий критикує, і так по колу, поки не стане добре. Аналогія — автор, який переписує чернетку. Патерн підходить, якщо є чіткі критерії якості і якщо людський фідбек справді покращує текст: тоді модель зазвичай здатна дати схожу критику сама.

Інструменти важливіші за красивий промпт

Найпрактичніша ідея всієї статті. Індустрія роками вкладалася в те, щоб інтерфейси були зручними для людей — рівно стільки ж уваги треба вкласти в те, щоб інструменти були зручними для моделі. Anthropic описує, як під один зі своїх агентів вони витратили більше часу на доопрацювання інструментів, ніж на сам промпт.

Звідси й принцип «захист від помилки» (poka-yoke, термін із виробництва): не пиши в інструкції «не помились» — переробляй саму форму так, щоб помилитися було важко. Модель плутала шляхи до файлів — вони змусили інструмент приймати тільки повний шлях — і ця помилка більше не повторювалася.

Для тебе без коду це виглядає так. Замість «напиши опис вакансії» дай заповнену форму з полями і поясненням, що куди йде. Замість вільного тексту на виході — фіксовану структуру, яку потім легко перенести в таблицю. Опиши крайні випадки: що робити, якщо даних не вистачає. І перевір на десяти реальних прогонах, де саме модель ламається, а не на одному вдалому.

Ціна автономності

Кожен крок автономності купується грошима, часом і ризиком. Помилки в агента накопичуються: збився на другому кроці — на п'ятому вже впевнено робить не те. Тому потрібні три речі: перевірки на вході й виході, контрольні точки, де рішення ухвалює людина, і умови зупинки — наприклад, ліміт спроб.

І окремим принципом Anthropic виносить прозорість: система має явно показувати, що вона планує робити. Не тому що це гарно, а тому що саме це робить її такою, якій можна довіряти.

Головне

• Агент відрізняється від чат-бота трьома речами: інструменти, цикл, реальний результат кожного кроку як основа для наступного.
• Спочатку відповідай на питання «сценарій чи агент». Можеш виписати кроки — роби сценарій, він передбачуваніший.
• Патерни — це драбина: підсилений запит, ланцюжок, маршрутизація, паралель, оркестрація, оцінювач. Не стрибай нагору одразу.
• Обирай патерн за формою задачі, а не за модністю: кроки відомі — ланцюжок, різні типи запитів — маршрутизація, склад підзадач невідомий — оркестрація.
• Інструкції та формати важливіші за витончений промпт. Роби так, щоб помилитися було складно.
• Складність додавай тільки тоді, коли можеш показати, що вона реально покращила результат.

З чого почати цього тижня

Візьми одну задачу, яку ти робиш руками щотижня. Спробуй закрити її одним добре продуманим запитом із потрібними даними і двома прикладами «як має вийти». Якщо результат нормальний — ти вже все, більше нічого не треба.

Якщо ні, розріж задачу на два-три кроки й проганяй їх окремо, перевіряючи результат між кроками. Це і є той самий ланцюжок — просто зібраний руками в чаті, без жодного коду. Далі — маршрутизація, коли типів вхідних задач стало кілька.

Anthropic формулює це так:

«Успіх у роботі з мовними моделями — не про найскладнішу систему. Він про правильну систему під твої потреби» (Anthropic, у нашому перекладі).

Це саме та думка, з якою варто підходити до автоматизації своєї роботи: не «як зробити складніше», а «як зробити достатньо». Стеж за оновленнями — у наступних матеріалах розбираємо конкретні збірки під маркетинг, контент і рекрутинг.