Как научиться делать ИИ-агентов и не сойти с ума

Я подсчитал — в этом канале 150 постов про ИИ-агентов, это самая популярная тема последних лет тут.

Но все равно каждый день я получаю один и тот же вопрос, написанный в разных формулировках: «Как мне научиться создавать ИИ-агентов?».

Начнем с того, что я всё так же настаиваю начинать с курса от Hugging Face про ИИ-агентов. Считаю, что это база для новичка.

А теперь перейдем к этапам:

ФАЗА 0: ИГРУШКА
Хватит читать туториалы. Серьёзно. Возьмите один PDF-файл, своё резюме, статью из Википедии — что угодно — и создайте чат-бота, который сможет отвечать на вопросы по этому документу. Используйте LangChain или n8n. Не парьтесь насчёт UI. Не парьтесь, если он медленный. Ваша единственная цель — понять, как на самом деле связаны между собой промпт, контекстное окно и LLM. Вы должны прочувствовать ограничения базового RAG, прежде чем сможете оценить что-то другое.


ФАЗА 1: ИНСТРУМЕНТЫ
Теперь дайте своему боту один инструмент. Калькулятор, API погоды — что угодно. Именно здесь вы переходите от поискового бота к ии-агенту. Настоящая сложность не в том, чтобы вызвать API, а в работе с промптингом, чтобы заставить агента понимать, когда использовать инструмент, а когда просто сгенерировать ответ.


ФАЗА 2: ОРКЕСТРАТОР
Один агент не может всё делать одинаково хорошо. Поэтому создайте систему из специализированных агентов. Единственная задача агента-оркестратора — получить запрос и направить его нужному «специалисту»: агенту по биллингу, агенту поддержки и т. д. Здесь ваш простой скрипт превращается в настоящую систему, и вы вынуждены задуматься, как агенты общаются между собой.


ФАЗА 3: ПАМЯТЬ
Агент без памяти — это просто вызов функции. Он не может вести настоящий диалог. Теперь дайте своим агентам память. Начните с простой истории диалога, затем переходите к векторной базе для «долговременной памяти». Сложность не в том, чтобы сохранить память, а в том, чтобы извлечь только релевантные её части, не засирая контекстное окно.


ФАЗА 4: ОГРАНИЧИТЕЛИ
Именно на этом этапе большинство проектов проваливаются. Агент, который может всё, — это агент, который будет постоянно галлюцинировать и факапить. Теперь вы учитесь говорить «нет». Создайте жёсткие правила, валидацию вывода и контент-фильтры. Ваша задача научить агента говорить «я не знаю» вместо того, чтобы врать.


ФАЗА X: РЕАЛЬНЫЙ МИР
Всё, что было до этого — песочница. Настоящая работа начинается только сейчас. Вы его разворачиваете. Вы узнаете о задержках (latency), мониторинге и т.д. Вы создаёте циклы обратной связи, чтобы агент учился на своих ошибках. Вы сталкиваетесь с конфиденциальностью данных и доверием пользователей. Эта фаза никогда не заканчивается. Вы просто становитесь лучше в этом цикле.

Вот и всё. Вот и весь путь изучения ии-агентов. Просто повторяйте это каждый день и спина голова болеть не будет.

Видимо, я самый последний делюсь впечатлением о новой Нанобанано, которая уже неделю доступна в гугловском AI Studio и на куче агрегаторов.

Знаете, мне понравилось — по моим ощущениям, эта контекстно-редактирующая модель лучше FLUX Context и GPT-шной.

На следующей неделе доберусь до компьютера и как следует её погоняю, а пока наслаждайтесь тем, как она восстановила самую первую в истории фотографию.

Ну что, дорогие постигаторы знаний, скоро в школу!

Задумался, что помимо учебников и новых портфелей вошло в наш с детьми ученический ИИ-сет. Пока мой список выглядит так:

Perplexity — идеальное решение для подготовки эссе, рефератов и погружения в новые темы. Ещё в прошлом году сделал детям отдельные аккаунты, воспользовавшись выгодным предложением за несколько баксов.

ChatGPT — конечно же, с режимом «Учеба и обучение». Это наша с детьми любимая функция, чтобы подучить какой-то материал или освоить новые знания. Максимальный рекомендасьон.

NotebookLM — тут сложно что-то новое написать: собираем кучу материалов в формате сайтов, PDF-ок и даже учебников, кидаем в недра «ноутбука» и вгрызаемся в гранит науки.

MathGPT — очень крутой инструмент для решения математических задач. Если честно, я и сам его использую для проверки домашних заданий у детей. Бесплатно.

Gemini — исключительно по причине гигантского контекстного окна и возможности создавать «Deep Research» объёмом с дипломную работу. А недавно, я для своего дошкольника начал там Storybook’и делать про дни недели на английском или времена года - вообще топ формат.

Gamma — в прошлом году почти все презентации для школы делали в ней. Для детей вполне хватает и бесплатной версии.

Это прямо наша база, но платформ для обучения и разных инструментов становится всё больше и больше. Иногда мне кажется, что уже и пользователей столько нет, сколько продуктов каждый день клепают. А вы что используете для себя или в помощь детям?

Ну что! Я приехал. Включаюсь в работу, завтра будем разгребать, что там в мире ИИ произошло за неделю. Всех с Днём знаний!

Искал готовые решения для создания коротких рекламных роликов в формате UGC на базе Nano Banana и Veo3 и перекопал кучу воркфлоу в n8n — пока это лучшее из того, что мне попадалось.

Процесс довольно простой: закидываешь в телеграм-бота референс (изображение товара), короткое пожелание к рекламе — и через пару минут у тебя готовый ролик. По стоимости выходит около 1–1,5 доллара за видео.

Здесь можно взять JSON-файл для n8n. Если что-то непонятно, я нашёл хороший туториал на YouTube.

Вот только композинг (сборку видео) я бы заменил на это API — мне больше понравилось, как оно собирает.

Если у вас есть активный PayPal - можно получить годовой Pro-аккаунт Perplexity бесплатно. А если нет, то действуем по старому сценарию.

Сегодня обнаружил себя в трёх десятках рабочих телеграм-чатов. И в каждом кипит жизнь: люди что-то обсуждают, взаимодействуют и договариваются. А я просто хожу по этим чатам и собираю информацию: до чего договорились, когда решили созвониться, что вообще делаем дальше. И что-то я устал.

Уже открыл N8N, чтобы запилить автоматизацию процесса сбора саммари из рабочих чатов, но вовремя себя одёрнул. Может, уже давно существует решение моей проблемы? Поделитесь находками в нашем сообществе @prompt_chat

Вчера же еще NotebookLM обновился, жду когда на мои аккаунты раскатают. Но мне понравилось, как переосмыслили генерацию подкастов. Будет доступно четыре вида аудиообзора (подкаста):
1. Краткий обзор (Brief): Обзор на 1-2 минуты, помогает быстро ознакомиться с основными идеями темы

2. Глубокое погружение (Deep Dive): Стандартный и более подробный обзор темы, обычно длительностью 10-15 минут. В этом режиме можно задавать вопросы прямо во время прослушивания подкаста

3. Дебаты (Debate): Два ИИ-агента обсуждают и спорят на заданную тему, представляя разные точки зрения. Длительность примерно такая же, как у "глубокого погружения"

4. Критика (Critique): ИИ анализирует и проверяет предоставленные документы, например, эссе или презентации, и даёт целевую обратную связь для их улучшения

Раньше я все это через промпт к подкасту пытался указывать и не всегда получалось, сейчас удобнее конечно.

Ого, уже предрегестрация на Comet от Perplexity для андроидов появилась.

Вот! Вот о чем я говорю! В этой безумной гонке врапперов (оберток вокруг API моделей) делать свой стартап - безумие. Ну только если у вас оригинальная и гениальная идея.

Буквально вчера я вам рассказывал про воркфлоу на N8N, чтобы генерировать UGC-видео при помощи Nano Banana и Veo3, а сегодня Higgsfield релизнул UGC Factory на базе этих же моделей.

Не ожидал, что этим постом открою портал в ад такое бурное обсуждение. Оказывается, не один я сталкиваюсь с проблемой отслеживания десятков рабочих и личных групп.

За пару дней мне в личку написали больше двадцати человек с рассказами о том, как они решали эту проблему. Даже мои старые знакомые, которые раньше занимались автоматизациями заводов, запилили стартап на эту тему — www.smart-digest.ru, — тоже отталкиваясь от личной боли.

Всё довольно просто: заходишь к ним в бота @smart_digest2025_bot (там реферальная ссылка, это не чтобы я на вас заработал, а чтобы вы бесплатно 14 дней пользовались), выбираешь, какие группы нужно мониторить, указываешь, во сколько нужен дайджест, и получаешь от него сообщения в формате «что обсудили, к чему пришли, кто делает и к какому сроку».

А, ещё мне понравилось, что бот голосовые сразу распознаёт, и тоже учитывает в выжимках. А то у меня есть пара чатов, где общаются только голосовыми (я раньше туда вообще не заходил).

Кстати, много обсуждали безопасность: где эти данные обрабатываются, в какую LLM улетают и кто имеет к ним доступ. Оказывается, они могут запустить своё решение даже on-prem (во внутреннем контуре) и с локальной LLM, так как бизнес часто об этом просит.

Так что я закинул в бота все свои группы и уже даже получил первые дайджесты. Мне кайф

Личный ИИ-Ассистент

Скажу сразу, что Json’а воркфлоу в N8N тут не будет - это не мой проект, но он мне очень понравился, так как примерно тоже самое я собираю для себя уже год. Правда, у меня это разрозненные процессы, которые я никак не могу объеденить в одну систему. Ну и мой проект - это ИИ-Ассистент для СДВГ’шника.

Вернемся к проекту с картинки, что это такое: это персональный ИИ-компаньона, который понимает контекст, помнит «вашу» историю и проактивно помогает в личном развитии.

Ключевая архитектура:
Система построена на нескольких ключевых элементах, предназначенных для создания глубокого, контекстуального понимания:
- Движок личности: Это сердце системы. Это не статичная персона. Он использует векторную базу данных с ~100 чертами личности и «фрагментами персоны». С каждым сообщением он агрегирует эти черты, чтобы создать оптимальный ответ, делая взаимодействие естественным и адаптивным.
- Журнал: Он объединяет количественные данные с кольца Oura (сон, вариабельность сердечного ритма, активность) с дневниковыми записями, введенными вручную. Это дает ему мультимодальное представление о физическом и ментальном состоянии человека.

Многоуровневая память и база знаний:
- Краткосрочная память: Простые пары «ввод -> вывод» и «действие -> реакция» из каждого взаимодействия.
- Долгосрочная память: Отобранная база данных с конкретными фактами и агрегированными инсайтами из краткосрочной памяти.
- База знаний: Обрабатывает длинные тексты (статьи, заметки) и обогащает их информацией из Perplexity.
- Дневник сновидений: Отдельный журнал специально для снов, используемый для перекрестных ссылок с основным журналом для поиска потенциальных корреляций между подсознательными темами и реальной жизнью.

Проактивные и автономные функции:
Он активно участвует в жизни:
- Ночные «сны»: Ночью он запускает процесс, который по сходству агрегирует векторы из взаимодействий за день. Это его форма консолидации памяти, позволяющая находить скрытые связи между темами сновидений и другими данными.
- Утренний отчет: Каждое утро выгружает кастомный отчет по темам, которые указаны как важные (например, анализ качества сна в сравнении с уровнем стресса вчера или новости про ИИ).
- Проактивное планирование: Он анализирует календарь и задачи, а затем проактивно предлагает временные блоки для работы или отмечает потенциальные конфликты в расписании.
- Контекстуальные уведомления: Он отправляет одно проактивное сообщение в день в случайное время, тема которого соответствует текущей активности в календаре (например, ссылка на релевантную статью перед встречей по проекту).
- Глобальная обработка ошибок: Система для корректного управления сбоями API и непредвиденными проблемами.

Технологический стек
Все это работает на куче API и селф-хосте инструментов:
⁃ Оркестрация: n8n
⁃ Интерфейс: Telegram
⁃ Векторная БД: Qdrant
⁃ Данные/Инструменты: Google Calendar, Tasks, Gmail, Drive, Oura Ring API, Perplexity AI

Как я понял, главная цель проекта сделать «движок счастливых случайностей» (The Serendipity Engine)
Короче создать бэкенд, сфокусированный на рассуждениях более высокого уровня.
⁃ Логика и дедукция через Google Mangle.
⁃ КПТ: Выявлять повторяющиеся негативные мыслительные циклы или модели поведения из дневниковых записей и мягко оспаривать их.
⁃ Проактивно предлагать новые привычки, идеи или точки зрения на основе заявленных целей и наблюдаемых паттернов.
⁃ Отслеживать фитнес и питание: Интегрировать и анализировать эти данные для предоставления инсайтов о здоровье.