ММООЗЗГГ.ru

ИТ: кейсы, статьи и разборы, страница 2

РазборИТ

ИИ-агент для исследований рынка и конкурентов

ИИ-агент для исследований ищет по открытым источникам, читает найденное и сводит ответ со ссылками: обзор рынка, список конкурентов, цены и новости отрасли. Он работает по подходу ReAct 2022 года, чередуя рассуждение и действие, и собирается в открытом конструкторе за неделю. Каждую цифру в его сводке все равно проверяют по ссылке. Агент-исследователь работает циклом: решает, что искать, ищет, читает страницы и решает, хватает ли найденного. Такой цикл описан в подходе ReAct: модель чередует рассуждение и действие с инструментом. Ему нужны два инструмента: поиск, который возвращает список ссылок, и чтение страницы по ссылке. Поиск по вебу крупные поставщики моделей встраивают сами: OpenAI добавила его в Responses API 11 марта 2025 года вместе с поиском по файлам. В n8n чтение страницы дает узел «HTTP Request», подключенный к агенту как инструмент. Его опция «Optimize Response» (сократить ответ) с типом HTML и настройкой «Return Only Content» оставляет текст без разметки, а «Truncate Response» обрезает слишком длинную страницу, чтобы не платить за лишний текст.

РазборИТ

ИИ-агент для программирования: как он меняет работу разработчиков

ИИ-агент для программирования пишет код по описанию задачи, сам запускает его, читает ошибки и исправляет. По опросу Stack Overflow 2025 года такими инструментами пользуются или собираются пользоваться 84% разработчиков. Код агента проверяют так же строго, как код нового сотрудника. Агент для кода отличается от подсказок в редакторе. Подсказка дописывает строку, а агент получает задачу целиком: читает проект, меняет несколько файлов, запускает тесты и повторяет, пока тесты не пройдут. Цикл у таких агентов общий. Anthropic описывает его так: собрать контекст, сделать действие, проверить результат, повторить. 29 сентября 2025 года компания переименовала Claude Code SDK в Claude Agent SDK, а внешние сервисы к нему подключают через протокол MCP. OpenAI 11 марта 2025 года выпустила открытый Agents SDK с передачей задач между агентами, ограничителями и трассировкой, то есть записью каждого шага агента. Для кода трассировка особенно полезна: по ней видно, какие команды агент запускал и почему.

РазборИТ

Мультиагентная система ИИ: когда команда агентов окупается

Мультиагентная система ИИ — это команда агентов с ролями: один принимает заявку, второй считает цену, третий готовит договор. По замерам Anthropic, такая команда тратит около 15 раз больше токенов, чем обычный чат, поэтому ее строят только там, где один агент упирается в предел. У каждого агента в команде своя инструкция, свои инструменты и своя зона ответственности. Агент приема разбирает заявку, агент расчета берет цены из прайса, агент договора собирает документ по шаблону. Руководитель видит результат, а не переписку агентов. Роль агента записывают в инструкцию простыми словами: что он делает, чего не делает и кому отдает результат. Чем уже роль, тем реже агент выходит за ее пределы и тем проще найти, кто ошибся. Задачу между агентами передают двумя способами. Первый называется передачей (handoff): агент отдает задачу коллеге. В документации OpenAI Agents SDK пример такой: в поддержке отдельные агенты отвечают про статус заказа, возвраты и частые вопросы.

РазборИТ

Локальный ИИ-агент на своем компьютере или сервере

Локальный ИИ-агент работает на вашем компьютере или сервере: модель и данные не уходят в чужое облако. Для первого опыта хватит обычного компьютера: модель Qwen 3 на 8 млрд параметров весит 5,2 ГБ, а программа Ollama для ее запуска бесплатна. Облачная модель получает каждый запрос агента на сервер своего разработчика. Локальная модель работает у вас, и документация Ollama прямо пишет: при локальной работе компания не видит ваших запросов и данных. Для данных клиентов это вопрос закона. По 152-ФЗ сбор и хранение персональных данных граждан России ведутся в базах на территории России, а перед передачей данных за рубеж оператор подает уведомление в Роскомнадзор. Как мы устраиваем это в проектах, собрано на странице о безопасности данных. Открытые модели для этого есть. DeepSeek выпустила R1 с открытыми весами на лицензии MIT 20 января 2025 года, семейство Qwen 3 вышло 29 апреля 2025 года на Apache 2.0. Открытые веса значат, что саму обученную модель можно скачать и запустить у себя.

РазборИТ

ИИ-агент для браузера: что он делает за сотрудника и где опасен

ИИ-агент для браузера сам открывает сайты, нажимает кнопки и заполняет формы, как сотрудник за компьютером. Он экономит часы на рутине, но в тесте Anthropic без защиты злоумышленники обманывали такого агента в 23,6% атак, поэтому доступы ему выдают осторожно. Агент работает с экраном так же, как человек: смотрит на снимок экрана, находит кнопку, двигает курсор, нажимает и вводит текст. Anthropic открыла такую функцию 22 октября 2024 года и назвала ее экспериментальной: прокрутка, перетаскивание и масштаб давались модели с трудом. В тесте OSWorld, где агент выполняет задачи в настоящей операционной системе, модель Anthropic тогда справилась с 14,9% задач, а следующая за ней система с 7,8%. Работа с интерфейсом трудна даже для сильной модели, и ошибки в ней нормальны. В августе 2025 года Anthropic начала испытания расширения для браузера Chrome. Агент в нем видит открытую страницу, нажимает кнопки и заполняет формы прямо в вашем браузере.

РазборИТ

ИИ-агент для контента: от плана до публикации

ИИ-агент для контента ведет цепочку от плана до поста: предлагает темы, пишет черновики в вашем стиле и публикует по графику после одобрения редактора. На n8n такая схема собирается из 4 готовых узлов: расписание, ИИ-агент, одобрение в Telegram и публикация. Контент-план удобно вести таблицей: дата, тема, площадка, формат, статус. Агент заполняет ее предложениями, а вы оставляете темы, которые нужны бизнесу, и вычеркиваете лишние. Темы агент берет из ваших источников: вопросы клиентов из переписки, частые возражения отдела продаж, новости отрасли, прошлые публикации с хорошим откликом. Чем точнее источники, тем меньше общих тем вроде «5 советов для бизнеса». Переписку с клиентами отдают агенту без имен, телефонов и адресов. Модель обычно работает на сервере разработчика, и если он за рубежом, передача персональных данных требует по 152-ФЗ уведомления в Роскомнадзор. Для тем хватит самих вопросов, кто их задал, агенту знать не нужно.

РазборИТ

Открытые платформы и инструменты для создания ИИ-агентов

Платформы и инструменты для создания ИИ-агентов делятся на четыре группы: конструкторы без кода, библиотеки для программистов, модели с программой запуска и стандарт подключения MCP. Ниже 12 открытых вариантов с лицензией и задачей каждого; за одним из них, n8n, стоит раунд в 180 млн $ при оценке 2,5 млрд $ в октябре 2025 года. Конструктор ИИ-агентов собирает агента из блоков на схеме: вход, модель, инструменты, ответ. Код писать не нужно, а простого агента собирают за вечер или за неделю. n8n. Платформа автоматизации с ИИ-агентами, Берлин, работает с 2019 года. Лицензия fair-code (Sustainable Use License), это не открытая лицензия OSI: ставить на свой сервер и менять можно, перепродавать как облачный сервис нельзя. Подходит, когда агент встроен в процесс с таблицами, CRM и мессенджерами. Flowise. Визуальный конструктор ИИ-агентов, лицензия Apache 2.0, 55 тысяч звезд на GitHub. Звезды на GitHub показывают, сколько разработчиков отметили проект, это грубая мера его популярности.

РазборИТ

Как сделать RAG-систему своими руками: от документов до ответа со ссылкой

Как сделать RAG-систему: собрать документы, разрезать их на фрагменты, превратить фрагменты в векторы, найти нужные по вопросу и отдать модели вместе с вопросом. Подход описан в 2020 году и позволяет агенту работать с вашими документами без обучения модели. Ниже 7 шагов в двух вариантах: без кода во Flowise и с кодом на LangChain с открытыми моделями через Ollama. Схема RAG-системы из семи шагов: собрать документы, разбить на фрагменты, превратить фрагменты в векторы, сохранить в векторную базу, найти фрагменты по вопросу, передать модели вопрос и фрагменты, получить ответ со ссылкой на источник. Модель при этом не обучают, она отвечает по найденному. Первый шаг: собрать документы. Возьмите то, о чем сотрудники и клиенты спрашивают чаще всего: регламенты, прайс, условия договоров, ответы поддержки. Устаревшие версии уберите сразу, иначе поиск найдет и их. Если знания уже лежат в CRM, базе SQL или внутренней вики, переносить их не обязательно. Документация LangChain советует подключить такую систему к агенту как инструмент.

Простыми словамиИТ

Векторная база данных для ИИ-агента простыми словами

Векторная база данных для ИИ-агента хранит фрагменты ваших документов вместе с записью их смысла и по вопросу находит близкие по смыслу. Ниже 4 открытые базы, которые ставят на свой сервер, порядок заполнения и обновления и разграничение доступа к фрагментам. Векторная база хранит фрагменты документов вместе с эмбеддингами, то есть записью смысла в виде набора чисел. Когда приходит вопрос, база находит фрагменты с близким смыслом, даже если слова в вопросе другие. На этом стоит RAG: модель перед ответом ищет фрагменты в базе документов и отвечает по ним. Так агент работает с вашими документами без обучения модели. Пошагово схема разобрана на странице о том, как сделать RAG. Сколько фрагментов база отдает модели на один вопрос, задает параметр top K, во Flowise по умолчанию 4. Меньшее значение дает меньше фрагментов, зато точнее, большее захватывает шире. Размерность векторов задает модель эмбеддингов, и индекс базы должен с ней совпадать. Чем больше измерений, тем больше ресурсов на хранение и сравнение: документация Flowise приводит модели на 768 и 3072 измерения.

ИнструкцияИТ

Как собрать ИИ-агента на n8n

ИИ-агент на n8n собирается мышкой из готовых узлов: вход чата, модель, память и инструменты из более чем 400 интеграций. Ниже установка на свой сервер, сборка агента на открытой модели через Ollama и условия лицензии fair-code. Каждый шаг сверен с документацией n8n. n8n собирает рабочие процессы из узлов. Узел делает одно действие: читает письмо, пишет строку в таблицу, вызывает модель. Узлы соединяются стрелками на холсте, код писать не нужно. Компания n8n работает в Берлине с 2019 года. В октябре 2025 года она привлекла раунд C на 180 млн $ при оценке 2,5 млрд $. Среди узлов есть ИИ-агент. Он подключает модель к почте, CRM, таблицам и мессенджерам и сам решает, какой инструмент вызвать для задачи. Если задачу решает жесткая цепочка шагов без выбора, агент не нужен: хватит обычного процесса автоматизации. Как понять разницу, мы разобрали на странице о том, чем агент отличается от сценария. Своя установка нужна, чтобы данные клиентов и ключи доступа оставались у вас. Документация n8n предупреждает прямо: свой хостинг требует навыков настройки и защиты серверов, а ошибка оборачивается потерей данных и простоем.

ИнструкцияИТ

Как собрать ИИ-агента в Flowise

Агента во Flowise собирают мышкой из блоков: модель, документы, инструменты и память. Конструктор распространяется по лицензии Apache 2.0, у проекта 55 тысяч звезд на GitHub. Ниже установка, первый агент на открытой модели, база знаний и виджет для сайта, каждый шаг сверен с документацией Flowise. Flowise ставится на ваш компьютер или сервер двумя способами: через npm или через Docker. npm это менеджер пакетов для Node.js, среды, в которой работает Flowise. Docker запускает программы в изолированных контейнерах. 1. Установите Node.js версии 18.15.0 или 20 и выше. 2. В терминале выполните команду npm install -g flowise. 3. Запустите конструктор командой npx flowise start и откройте в браузере http://localhost:3000. 4. Вариант через Docker: скачайте проект командой git clone https://github.com/FlowiseAI/Flowise, перейдите в папку docker, скопируйте файл .env.example в .env и выполните docker compose up -d. Адрес в браузере тот же.

ИнструкцияИТ

Как собрать ИИ-агента в Dify

Агента в Dify собирают в веб-интерфейсе: модель, инструкция, инструменты и база знаний настраиваются без кода. Для установки на свой сервер хватит машины с 2 ядрами процессора и 4 ГиБ памяти. Коммерческое использование разрешено, но с двумя условиями лицензии, их разберем в конце. Dify это платформа для ИИ-приложений с открытым кодом. В одном интерфейсе в ней собирают агентов, чат-ботов и рабочие процессы, подключают документы и смотрят журнал ответов. Рабочий процесс здесь значит цепочку шагов, которую вы задаете заранее. Агент работает иначе: модель сама решает, какой шаг сделать и какой инструмент вызвать. При создании приложения Dify предлагает тип. Два основных типа, «Workflow» и «Chatflow», рисуются на схеме из блоков. Еще три простых типа, «Chatbot», «Agent» и «Text Generator», настраиваются формой без схемы. Приложение типа «Agent» это чат, где модель рассуждает и сама вызывает инструменты: поиск в интернете, запросы к сервисам и базам данных. Схему шагов для него рисовать не нужно, достаточно инструкции и списка инструментов.

РазборИТ

LangChain и LangGraph: сборка агента в коде

Агента на LangChain собирают в коде: библиотека дает готовый цикл «модель вызывает инструменты, пока задача не решена», а LangGraph позволяет описать работу агента как граф шагов. Обе библиотеки открыты по лицензии MIT, работают на Python от версии 3.10 и на JavaScript. Ниже шаги по документации и честный ответ, когда библиотека не нужна. LangChain и LangGraph это библиотеки, то есть наборы готового кода, который программист подключает к своей программе. Интерфейса с кнопками у них нет: без разработчика они не работают. Библиотека нужна, когда агент живет внутри вашей системы: в своем сервисе, рядом с базой данных, со своими правами доступа. Визуальный конструктор в такой схеме упирается в набор своих блоков. LangChain подходит для типового агента: модель, инструкция, инструменты. Разработчики LangChain описывают агента как модель, которая вызывает инструменты в цикле, пока задача не решена. Все вокруг цикла (инструкцию, инструменты, промежуточные обработчики) они называют обвязкой.

РазборИТ

Команда агентов на CrewAI

CrewAI агенты работают командой: у каждого своя роль, цель и задача, а фреймворк передает результат одного следующему. CrewAI открыт по лицензии MIT, первый релиз вышел в декабре 2023 года. Ниже пример команды из исследователя, аналитика и редактора, которая готовит отчет, и шаги по документации. Фреймворк это каркас программы: готовые правила и код, в которые разработчик вписывает свою логику. CrewAI собирает из агентов команду (crew) и раздает им задачи. У агента три обязательных поля: «role» (роль, например «аналитик рынка»), «goal» (цель, к которой он идет) и «backstory» (предыстория: опыт и манера работы). По ним модель понимает, как себя вести. Остальные поля по желанию: «llm» (какая модель работает за агента), «tools» (инструменты), «max_iter» (сколько попыток у агента до итогового ответа, по умолчанию 20), «allow_delegation» (может ли агент передать работу другому, по умолчанию нет).

РазборИТ

OpenAI Agents SDK и Claude Agent SDK: наборы для сборки агентов

OpenAI Agents SDK и Claude Agent SDK это наборы кода для разработчиков, на которых собирают агентов с инструментами и передачей задач. OpenAI выпустила свой набор 11 марта 2025 года, Anthropic переименовала Claude Code SDK в Claude Agent SDK 29 сентября 2025 года. Ниже разница между ними и путь для компании в России: открытые модели на своем сервере. SDK (software development kit) это набор готового кода и инструментов для программиста. OpenAI выпустила Agents SDK 11 марта 2025 года вместе с Responses API, у которого встроен поиск по файлам и в интернете. В основе три понятия. Агент это модель с инструкцией и инструментами. Передача задачи (handoff) позволяет одному агенту отдать работу другому или вызвать его как инструмент. Ограничители (guardrails) проверяют, что приходит агенту и что он отвечает. Вокруг них сессии (память разговора), трассировка (запись каждого шага агента для разбора ошибок), подключение серверов MCP и подтверждение действий человеком.

РазборИТ

Как подключить MCP-сервер и открыть агенту сервисы компании

Как подключить MCP-сервер к ИИ-агенту: выбрать готовый сервер или собрать свой, дать агенту его адрес и оставить только нужные действия. Протокол MCP Anthropic открыла 25 ноября 2024 года, а к декабрю 2025 года опубликовано больше 10 000 MCP-серверов. MCP (Model Context Protocol) это открытый протокол, то есть общее правило обмена данными между ИИ-агентом и сервисами компании. Anthropic открыла его 25 ноября 2024 года как единый способ подключать ИИ к данным и сервисам. Практический смысл простой. Сервис описывают один раз, и его может подключить любой агент, который поддерживает протокол. Без MCP подключение пишут заново под каждую программу. В схеме три участника. Хост это программа, в которой работает агент. Клиент это модуль связи внутри хоста: на каждый подключенный сервер хост заводит отдельного клиента. Сервер это программа, которая открывает агенту доступ к CRM, папке с файлами или базе.

ИнструкцияИТ

Системный промпт для ИИ-агента: как написать инструкцию

Системный промпт для ИИ-агента это постоянная инструкция, которую модель читает перед каждым диалогом: кто агент, чего добивается, чего не делает и как отвечает. Ниже шаблон из 7 частей и 12 правил, по которым инструкцию для одного агента можно написать за вечер. Системный промпт отличается от вопроса в чате. Его пишут один раз, и модель получает его перед каждым сообщением клиента. В n8n его вводят в параметр «System Message» (системное сообщение) в настройках узла «AI Agent». Рабочая инструкция состоит из 7 частей. Роль. Кто агент и от чьего имени говорит: «консультант магазина инструментов», а не «полезный помощник». По документации Anthropic даже одно предложение о роли меняет поведение и тон модели. Цель. Какой результат нужен от диалога: записать клиента, подобрать товар, передать заявку менеджеру. Правила. Как агент работает: откуда берет цены, когда задает уточняющий вопрос, каким тоном говорит.

РазборИТ

Инструменты ИИ-агента: как он действует в ваших системах

Инструменты ИИ-агента это действия в ваших системах, которые модель вызывает сама: найти клиента, создать сделку, отправить письмо. Механизм называется function calling (вызов функций), а на принципе ReAct 2022 года, где модель чередует рассуждение и действие, работает большинство агентов. Модель умеет только писать текст. Инструмент дает ей возможность действовать: это функция в программе агента с названием, описанием и списком параметров, например «найти клиента по телефону». Примеры для бизнеса: найти клиента в CRM, создать сделку, проверить остаток в 1С, записать клиента на свободное время, отправить письмо. Каждое действие описывают отдельно, и агент видит только те, что ему выдали. Модель не выполняет действие сама. Она возвращает запрос на вызов: имя инструмента и значения параметров. Функцию выполняет программа агента и передает модели результат. Инструменты подключают двумя способами. Первый: описать функцию в коде агента. Второй: подключить MCP-сервер, через который агент получает готовый набор действий сервиса. Протокол MCP Anthropic открыла 25 ноября 2024 года как единый способ подключать ИИ к данным и сервисам; как подключить сервер, мы разобрали отдельно.

РазборИТ

Память ИИ-агента: история диалога, факты о клиенте, правила

Память ИИ-агента бывает трех видов: история текущего диалога, факты о клиенте между диалогами и общие правила работы. Если в памяти есть данные клиентов, действует 152-ФЗ: их хранят в базах на территории России, а при отзыве согласия уничтожают не позже чем через 30 дней. Модель не помнит ничего между запросами. Все, что агент «помнит», программа хранит отдельно и подкладывает модели в контекст, то есть в текст, который модель видит при ответе. Короткая память: история текущего диалога. Агент помнит, что клиент написал три сообщения назад, и не переспрашивает. В документации LangChain это память в пределах одной беседы. Долгая память: факты о клиенте между диалогами. Имя, прошлые заказы, предпочтения, договоренности. Ее хранят в базе с привязкой к клиенту и достают, когда он пишет снова. Общая память: правила и опыт, одинаковые для всех клиентов. LangChain делит долгую память на факты, опыт прошлых действий агента и инструкции, а инструкции агента это его системный промпт.

РазборИТ

Тестирование ИИ-агента: набор вопросов, метрики, журнал

Тестирование ИИ-агента начинают до запуска: 50 реальных вопросов клиентов с правильными ответами, метрики качества и список запрещенных ответов. Gartner прогнозирует, что больше 40% проектов агентного ИИ закроют к концу 2027 года, и среди причин называет неясную пользу и слабый контроль рисков. Набор вопросов, или тестовый набор, это список реальных обращений клиентов с правильными ответами. По нему агента проверяют до запуска и после каждого изменения. Возьмите 50 вопросов из настоящей переписки, звонков и почты за последние месяцы. Выдуманные вопросы не годятся: клиенты пишут с опечатками, без номера заказа и в несколько сообщений. Распределите вопросы как в жизни: частых больше, редких меньше. Добавьте трудные случаи, которые называет документация Anthropic: вопрос не по теме, очень длинное сообщение, грубое или бессмысленное сообщение, вопрос, о котором спорят и люди. К каждому вопросу запишите эталон: правильный ответ или правильное действие. Например, «передать менеджеру», «назвать цену из прайса», «отказать и объяснить причину».

Написать в Telegram