1️⃣ Агенты vs. Воркфлоу

➖ Воркфлоу — жёстко заданные шаги (например, цепочка промптов для генерации текста → перевод).
➖ Агенты — динамическое принятие решений (например, автономный помощник, который сам выбирает инструменты для решения задачи).

2️⃣ Когда использовать агентов?

➖ Для задач с неопределённым результатом (например, программирование, поиск информации).
➖ Если нужна гибкость (агенту разрешено ошибаться, итеративно улучшать результат).
➖ Когда затраты на задержку/стоимость оправданы (например, сложная клиентская поддержка).

3️⃣ Основные паттерны:

➖ Цепочка промптов (разбить задачу на шаги: анализ целей → генерация плана → проверка).
➖ Роутинг (направлять запросы к разным инструментам: "вопросы о питании" → отдельный процесс).
➖ Параллелизация (одновременный анализ техники упражнений разными LLM для консенсуса).
➖ Оркестратор-исполнители (главная LLM разбивает задачу на подзадачи и делегирует их).

4️⃣ Главный принцип:

- Начинайте с простого! Не усложняйте архитектуру без необходимости. Сначала пробуйте одиночные вызовы LLM, затем добавляйте воркфлоу, и только потом — агентов.

👍 Практические советы:

🗣️ Инструменты > Фреймворки 🗣️

➖ Лучше использовать API LLM напрямую, чем абстракции вроде LangChain (проще отладка).
➖ Тестируйте инструменты так, как тестировали бы документацию для разработчиков (примеры, edge-кейсы).

💬 Пример из статьи:

Для фитнес-приложения:
➖ Агент анализирует видео тренировки → генерирует советы по технике → проверяет их через второй промпт (оценщик-оптимизатор).
➖ Если пользователь просит план питания, роутер направляет запрос к специализированному инструменту.

👎 Что не работает:

➖ Сложные фреймворки без понимания, что под капотом.
➖ Агенты для простых задач (например, чат-бот с FAQ).
➖ Инструменты с плохой документацией (LLM будет ошибаться в их использовании).

🚩 Итог:

Успешные агенты — это простота + прозрачность:

🚩 Чёткие инструменты с примерами.
🚩 Пошаговая логика (пользователь должен видеть, как агент принимает решения).
🚩 Тестирование в изолированной среде перед продакшеном.

Примеры из практики: клиентская поддержка, автоматизация программирования, фитнес-трекеры.

США хотят видеть обеспечение 🤑 в госбондах

Tether, возможно, придется продать свои BTC, чтобы соответствовать предлагаемому в США регулированию по стейблкоинам. Только 66-83% резервов Tether соответствуют предлагаемым в США правилам, что потенциально требует реструктуризации активов. Если правила будут приняты, Tether, возможно, придется отказаться от BTC и других активов в обеспечении своих стейблкоинов, не соответствующих требованиям, в пользу казначейских облигаций США и ликвидных резервов. — JPMorgan

SlowMist — это компания, специализирующаяся на кибербезопасности в блокчейн-индустрии. Она занимается защитой криптовалютных активов, аудитом смарт-контрактов, расследованием киберпреступлений и предоставлением решений для предотвращения атак. SlowMist известна своими исследованиями в области уязвимостей блокчейн-проектов и сотрудничеством с крупными криптоплатформами.

"When pump, Sir?"