Специализированные ИИ Агенты Выносят Всё (И Как Построить Команду Из Них)

12:04

Специализированные ИИ Агенты Выносят Всё (И Как Построить Команду Из Них)

ИИшенка | AI Automation 08.03.2026 1 876 просмотров 96 лайков

Machine-readable: Markdown · JSON API · Site index

Смотреть на YouTube

Поделиться Telegram VK Бот

Транскрипт Скачать .md

Анализ с AI

Описание видео

🚀 Вступить в Pro-сообщество (там топовые мастер-классы и Pro-материалы): https://t.me/iishenka_pro_bot ⚒️ Узнать больше про сообщество: https://iishenka.pro/group 🧡 Узнать больше про Claude Code Мастер-Класс: https://iishenka.pro/claude-code-masterclass 🤩 Узнать больше про N8N Мастер-Класс: https://iishenka.pro/n8n-masterclass ⭐️ Бесплатные материалы из моих видео тут: https://t.me/+W1SnvvkcV6A3NWMy 🥚 Eggent на GitHub: https://github.com/eggent-ai/eggent В этом видео мы разберёмся, куда на самом деле движется индустрия AI-агентов и почему будущее — не за одним универсальным агентом, а за целой экосистемой специализированных. Что особенного в этом видео? Мы не только разберёмся в разнице между детерминированными и недетерминированными агентами, но и посмотрим на реальный пример работы такой системы. Вместе разберём архитектуру небольших специализированных агентов, подключим инструменты, MCP-серверы и покажем, как управлять такими агентами прямо из Telegram — переключаясь между проектами и выполняя реальные задачи, например анализ трендов YouTube по теме AI. 🔥 Независимо от того, работаете ли вы с AI-агентами или только начинаете осваивать автоматизации в n8n, этот урок поможет вам овладеть процессом настройки ИИ для любых задач. ⏱ Таймкоды 00:00 – Введение: опыт построения AI-агентов за последнее время 00:18 – Идея будущего: множество агентов для разных задач 00:47 – Детерминированные агенты и workflow-автоматизации 01:58 – Недетерминированные AI-агенты и их развитие 02:35 – Как работают недетерминированные агенты 04:14 – Удалённый контроль агентов через мессенджеры 04:33 – Гибкость агентов и повторные попытки выполнения задач 05:25 – Переход от промптов к намерениям (intent-based управление) 06:11 – Проблемы больших универсальных агентов 07:20 – Будущее: маленькие специализированные агенты 08:04 – Примеры агентов: CRM, email, research, генерация видео 09:02 – Платформа Eggent и изолированные проекты агентов 09:44 – Подключение Telegram и управление агентом 10:12 – Пример: аналитика трендов AI на YouTube 10:48 – Как агент использует память и файлы вместо повторного ресерча 11:38 – Заключение 💡 Не забудьте поставить лайк и подписаться, чтобы не пропустить новые уроки по n8n и AI-агентам. Давайте сделаем AI-автоматизации простыми! 🙌 Я — Илья Бовкунов, основатель и СЕО Sendforsign — это компания, занимающаяся AI-автоматизацией договоров и документооборота. В прошлом был Директором по продукту и продуктовому дизайну в международных AI-стартапах. Позвать в подкаст или предложить другое сотрудничество aiiszdes@gmail.com Не забудьте поставить лайк, подписаться и нажать на колокольчик, чтобы не пропустить новые видео об AI-агентах и автоматизациях!

Оглавление (16 сегментов)

Введение: опыт построения AI-агентов за последнее время

Друзья, за последние неделю мы с вами построили огромное количество разных агентских workflow, используя clocд, антигравити, perplexity, компьютер, который вышел недавно, естественно, open agent мы недавно обсуждали. И, наверное, самое большое осознание, к которому мы приходим, примерно звучит таким образом.

Идея будущего: множество агентов для разных задач

Скажем так, персонали либо бизнесы будут иметь различное количество агентов для своих задач. То есть, вне зависимости от типа задач, для каждой задачи будет предусмотрен свой агент. Этот агент сможет коммуницировать с любыми другими агентами. В свою очередь эти агенты будут коммуницировать с другими агентами и так до бесконечности, пока задача не будет выполнена. И это, скорее всего, будет выполняться недетерминированными

Детерминированные агенты и workflow-автоматизации

агентами. Я сейчас всё объясню. Дело в том, что мы с вами ещё некоторое время назад начали с такого понятия, как детерминированные агенты. Ну, то есть какого-то фиксированного определения нет, но мы можем понимать под, скажем так, а, workflow автоматизациями детерминированные агенты. А мы рассматривали с вами такие инструменты и плотно рассматривали, как NVOC Mmen, как Zapier, как Lengflow, как make и остальные инструменты, которые позволяют выстраивать workflow и внедрять туда автоматизации с помощью искусственного интеллекта как элементы этих workflow. И мы с вами должны понимать, что такие автоматизации обладают рядом преимуществ. Это детерминированные workflлоow, то есть мы определяем, что происходит, в какой последовательности. Это очень классный инструмент оркестрации, то есть в ключевых узлах выбор, куда идти, по какой ветке развития Oflow может принимать искусственный интеллект, либо какой-то жёсткий алгоритм. Ну и, конечно же, мы с вами сами определяем инструменты, которые будут использоваться в этой автоматизации для того, чтобы добиваться результата и выполнять какие-то задачи. Ну вот последнее время у нас с вами на

Недетерминированные AI-агенты и их развитие

радарах и активно развиваются такие агенты, которые мы можем назвать недетерминированными, либо это агентские AI, полноценные AIгенты. И, конечно, самый массированный толчок развития произошёл благодаря Open Claw. Мы про него много говорили. Естественно, сюда же входит и CL код, и их недавняя разработка CLW. Сюда же входит НТ, который мы обсуждали, и Perplexity Computter, который вышел совершенно недавно, и ещё масса-масса инструментов, которые работают на базе, которые работают под одной философией, недетерминированны. Вообще, что это

Как работают недетерминированные агенты

понятие может означать в контексте данных продуктов? Давайте посмотрим на примере Perplexity Computer. Это значит, что мы даём задачи и навыки нашим агентам, и они пытаются выполнить наши задачи любыми возможными способами, имея в виду, что у них есть полный доступ к операционным системам и их возможностям на компьютерах, на которых они сейчас находятся. Конечно, это может быть удалённый компьютер. Мы вот разворачивали на удалённом компьютере пару видео назад, либо это может быть ваш собственный компьютер. И ваш недетерминированный агент получает доступ ко всем ресурсам этого компьютера и пытается выполнить любую вашу задачу до тех пор, пока не достигнет результата, либо пока не наткнётся на непроходимую защиту или стопроцентную невозможность выполнить его, например, из-за прав доступа или невозможности доустановить какой-то инструмент. Эта философия предполагает, что мы используем нейронки, у которых есть в базе большое количество знаний и умений. Уже мы их можем обогащать скилами, то есть навыками делать что-то новое, либо усиливать то, что они умеют сейчас. Также мы их можем обогащать MCP-серверами, то есть давать им доступ к внешним ресурсам для выполнения каких-то специфических сложных задач на внешней стороне и получение результатов обратно в нейронке. Мы им даём крутую память, то есть история чатов либо ключевые кусочки информации, которые мы уже обсуждали или рождались в рамках нашей дискуссии, храняются прямо на машине, и агент имеет доступ к памяти, когда необходимо. Наверное, самое важное, что и спровоцировало хайpe в таком примере, как OpenCl - это

Удалённый контроль агентов через мессенджеры

удалённый контроль. То есть мы можем получать доступ к нашему агенту извне, например, через Telegram или WhatsApp или Слаг или вообще любой мессенджер, который мы к нему подключим. Ну и финально, я бы сказал, наверное, это один из самых важных навыков- это гибкость и способность повторять попытки

Гибкость агентов и повторные попытки выполнения задач

при неудачах. То есть, когда агент получает какую-то задачу от нас, он сначала может сделать ресрч, каким образом лучше всего её выполнить. например, используя базовые знания нейронки, на которые он работает, либо сделав реч в интернете, в социальных сетях, потом попробовать выполнить задачу и в случае, если он натыкается на невозможность, начать делать повторы, то есть, да, устанавливать какие-то нехватающие инструменты и так до момента, пока задача не будет выполнена, либо не будет встречен стопроцентный фейл. И у такого подхода, естественно, есть огромное количество преимуществ. Ключевые преимущества в том, что, естественно, нейронка по сути не ограничена практически ничем, кроме своей базы знаний и навыков, которые мы ей дали для того, чтобы выполнять наши задачи. Всё это хранится централизованно, то есть мы, по сути

Переход от промптов к намерениям (intent-based управление)

можем настроить агента, отдать ему навыки и давать совершенно различные задачи, не подстраивая его отдельно под каждую из них, и ждать выполнения этой задачи и ожидать позитивного результата. И всё это приходит к тому, что вы это можете встретить понятие на просторах социальных сетей, что мы с помощью такого подхода уходим от понятия промптирования агента, а приходим к понятию намерений. То есть мы меньше проектируем, как конкретно что должно происходить, а мы рассказываем про свои задачи и намерения. И благодаря ресрчу агент может сам спроектировать план действий, по которому он будет выполнять наши задачи, и достигать позитивного результата в наших намерениях. Но такой подход имеет и огромное количество минусов тоже, так как задач у нас может

Проблемы больших универсальных агентов

быть большое количество, мы начнём обогащать нашего агента огромным количеством навыков, инструментов, MCP-серверов. То есть я часто встречаю кейсы, когда в одного агента загружаются там до 50 инструментов различных. Это приводит к невероятно огромному размеру контекста. То есть мы можем запросто видеть, как в Open Claм в нейронку сразу выжигает 5060. 000 токенов, потому что вместе с промтом человека туда загружается вся информация об инструментах, MCP-серверах и навыках агента. Естественно, это приводит к тому, что использование такого агента становится невероятно дорогим, удовольствием, потому что за эти токены кто-то должен платить. И как следствие, огромный контекст дороговизна приводит к нечёткости использования этих инструментов. Потому что среди этого контекста, если мы используем не самые топовые последние нейронки, могут теряться инструменты, которые реально должны быть использованы для отработки нашего намерения. Ну и, в принципе, мы разочаровываемся и перестаём использовать агента и возвращаемся обратно к детерминированным агентам. Так куда же это всё идёт? По лично моему мнению, это всё приходит к маленьким

Будущее: маленькие специализированные агенты

специализированным агентам. В таких специализированных агентов загружаются буквально три-пять инструментов, среди которых довольно сложно потеряться. Это приводит к маленькому контексту агента. И означает, что такие агенты могут использоваться с меньшими, более дешёвыми моделями, без серьёзной потери качеств выполнения задач такими агентами. И такие агенты должны менеджериться централизованно, чтобы либо пользователь, либо неронка могли переключаться между ними. Соответственно, таким образом получать доступ к инструментам и навыкам агента. и получать результаты на выходе. Из самых очевидных кейсов использования мы можем создать агента для проject-менеджмента, который имеет доступ к трейла, линиру или любому

Примеры агентов: CRM, email, research, генерация видео

другому тасктрекеру, который вы используете. Естественно, на ум приходят CRM-агенты, которые имеют доступ к вашему хапспоту, Битриксу, подсоединяются к ним через MCP-серверы либо через скилы, датаскрепинг или ресarch в интернете по вебу, по социальным сетям. Очевидно, имеil-агент, который либо коммуницирует непосредственно с вашим Гуглом, либо у которого есть своя отдельная почта, который может слать результаты своих исследований на ваш почт, либо отвечать вашим клиентам как отдельный ассистент. Кстати, очень полезный кейс у меня. Он сейчас работает. Довольно крутая тема. Ну, либо генерация видео, то есть сейчас уже огромное количество есть MCP серверов и скилов, которые позволяют создавать видео. Вот мы обсуждали недавно один из таких скилов. Он буквально по вашей истории либо по вашему рассказу создаёт последовательность цен, генерирует анимацию и отдаёт анимацию вам. Туда же могут быть подключены навыки, озвучки, и агент может её подключать в случае, если ваши сцены требуют звукового сопровождения. Конкретно для этих задач

Платформа Eggent и изолированные проекты агентов

с сепарированными агентами я лично использую agн. Это продукт, к которому наша команда имеет непосредственные отношения. И здесь ключевая особенность как раз в изолированных проектах, то есть в рамках одного AI агента вы можете создавать любое количество изолированных агентов, каждый со своим набором скилов, MCP-серверов, знаниями, памятью, и переключаться между ними и просить выполнять те или иные задачи. Это open source проект. Поэтому, если вы попробуете и вам понравится, обязательно оставляйте звезду на Гитхабе. Сам интерфейс минималистичный, довольно простой. Как видите, здесь у меня в конкретном моём агенте есть четыре проекта для исследования вопросов в вебе, для создания презентации, для ресерча и для аналитики Ютуба. И к нему

Подключение Telegram и управление агентом

же у меня подключён Telegram. То есть я могу сказать в каком проекте мы сейчас. И сама автоматизация, мой сам агент отработает мой запрос и скажет, что мы сейчас находимся в таком-то проекте. То есть проекте под названием браузер. Давай перескочим в проект YouTube и, соответственно, я отправлю этот запрос. Агент умеет через обычный человеческий запрос

Пример: аналитика трендов AI на YouTube

перескакивать между разными проектами. Он говорит: "Мы переключились с тобой в проект YouTube". Я скажу: "Давай с тобой сделаем аналитику, какие самые актуальные темы по ИИ обсуждались на Ютубе за последнюю неделю. И теперь этот ответ может занять какое-то время, буквально там несколько минут, потому что сейчас агент начинает использовать все инструменты и навыки, которые мы его научили. Кстати, сам ответ не так много времени занял. Мы можем перейти в наш агент и увидеть, что

Как агент использует память и файлы вместо повторного ресерча

конкретно он делал. Кстати, так как я делал это исследование совершенно недавно, у меня прямо в этом агенте а лежат файлы с отчётами. И он, вместо того, чтобы делать повторные исследование, просто увидел, что у меня есть такие файлы. А прочитал его, как вы видите, и выслал мне самари по этому файлу, вместо того, чтобы использовать инструменты. Здесь мы можем увидеть, что конкретно у этого агента у меня скилл ноутбук LM и серp, то есть это скилы, которые позволяют делать хороший качественный resarch по заданной тематике. И, соответственно, я могу вернуться в свой Telegram и сказать: "Вышли мне файл с исследованиями сюда". И, соответственно, наш агент сможет посмотреть, какие файлы уже лежат у него рядом, и выслать мне этот файл. Говорит: "Вот тебе твой файл, вот моя табличка. и отправил тебе файл исследования по актуальным темам Ии последнюю неделю в

Заключение

этот чат. Друзья, обязательно говорите, что вы думаете по данной теме, куда развивается индустрия, используете ли вы уже агентский AI или недетерминированный workкflow. Ну а с вас, как всегда, лайк этому видео, подписка там внизу и обязательно пишите комментарии, потому что так алгоритмы подхватывают видео и его смотрят как можно больше людей и узнают больше про искусственный интеллект. Ну а на этом всё. До скорых встреч.

Другие видео автора — ИИшенка | AI Automation

Ctrl+V

Экстракт Знаний в Telegram

Экстракты и дистилляты из лучших YouTube-каналов — сразу после публикации.

Подписаться

Лучшие методички за неделю — каждый понедельник