Что такое ИИ-АГЕНТЫ и как они работают?

AI agent AI agent — Везде сейчас это слово, но когда начинаешь разбираться, то почти все объяснения, что это такое, либо слишком сложные, либо, наоборот, слишком примитивные, либо многообещающие. Но на самом деле не всё так просто. Так что это видео для таких, как я. Если у вас нет технического образования, но вы уже пользуетесь AI-инструментам и хотите, наконец-то, понять, что такое AI-агенты и как вы можете применить это в своей работе и жизни, чтобы не запутаться, пойдём по очень простой схеме из трёх шагов. Сначала мы разберёмся, как вообще устроены большие языковые модели, потом посмотрим, что такое AI workflow, а в финале дойдём до самого интересного AIгента. Я всё буду объяснять на реальных примерах без заумных терминов. И мы даже коснёмся таких слов, как рак или реакт. И вы поймёте, что на самом деле там всё намного проще, чем кажется. Первый уровень - большие языковые модели. Скорее всего, вы уже пробовали чатботы вроде чак Gemini. Все они работают на основе так называемых больших языковых моделей или LLM. Лучше всего они справляются с написанием и редактированием текстов. Чтобы было понятнее, можно представить это вот так. Вы пишете запрос, а модель на основе того, чему её обучили, выдаёт результат. Например, если я попрошу чат GPT написать письмо с приглашением на вечеринку, моя просьба - это ввод или запрос, а текст письма - это вывод или результат. Достаточно просто. Ну а теперь вопрос: а если я спрошу учат GPT, когда у меня вечеринка? Ответа в этом случае не будет, потому что учат GPT нет доступа к моему календарю. Он просто этого не может знать. И вот что важно понять про большие языковые модели. У них всего два ключевых свойства. Первое, даже при всём их объёме знаний у них нет доступа к вашей личной информации, если вы сами этого не настроили. Они работают только с тем, что уже знают из обучения. Второе важное свойство LLM- они пассивны. Сами они ничего не делают. Они просто ждут, пока их спросят. Запомните этот момент, он нам ещё пригодится. Теперь переходим ко второму уровню. AI workflow. Чтобы было понятнее, продолжаем наш пример. Теперь я подключу Google календарь и спрошу модель: "А когда у меня вечеринка? " И модель уже справится, потому что она сначала заглянёт в мой календарь, а потом даст ответ. Но если следом я спрошу: "А какая будет погода в этот день? " Вот тут модель снова зависнет, потому что мы заранее прописали: "Проверять только календарь, а погоды там нет". Да, конечно, сейчас модели уже могут ходить в интернет, если у них недостаточно информации, но это был просто пример, чтобы вы понимали, что если вы спросите что-то ещё, к чему требуется доступ, а у неё этого доступа нет, она не сможет дать ответ. Так вот, за это отвечает как раз AI Workflow. AI Workflow - это заранее заданный план действий для искусственного интеллекта, который указывает, что и как он должен делать. В техническом смысле это называется логика управления. Продолжим пример. Если я в наш Workflow добавляю ещё шаги, например, дам модели доступ к сервису погоды через Апи, а ещё я подключу голосового ассистента, чтобы он красиво озвучил ответ. Почему бы и нет? — Когда состоится ваша вечеринка в пятницу, погода будет солнечная. Не забудьте солнцезащитный крем. — И даже если таких шагов будет не два, а 100, это всё равно будет AI workflow, потому что в итоге всё решает сам человек. какие данные проверять, какие сервисы подключать, что с чем связывать. То есть за Workflow всегда стоит человек, который настраивает вот это всё и принимает ключевые решения. И, кстати, на заметку Retrieval Argument Generation или сокращённо рак, модное слово, про которое я говорила в начале, это способ, при котором модель ищет информацию перед ответом, как, например, проверка календаря или погоды. И это также часть AI Workflow. Кстати, если хотите научиться делать такие профессиональные workflow с нуля под себя, у меня есть обучение, где мы это осваиваем за 2 месяца. Ссылочку оставлю в описании. Кому интересно, загляните. Теперь покажу AI Workflow на реальном примере. Создала его специально в Make. Схема такая: сначала я добавляю ссылки на новости в Google таблице, потом подключаю чат GPT, чтобы он коротко пересказывал эти новости. Следующий шаг - тот же GPT по заранее написанному мною промту, который будет писать посты для Telegram и Instagram, исходя из этих новостей. И финале я настраиваю, чтобы весь этот процесс запускался автоматически каждый день в 8:00 утра. Вот это и есть суперклассический AI workflow. Шаг первый: сделай это. Шаг второй, сделай это. Шаг третий: сделай это. И запускаем в 8:00 утра. Если мне не понравится, как в итоге получится текст для Telegram, например, мне придётся заходить в этот

блок workflow. и вручную менять пром для чат GPT, чтобы улучшить результат. То есть дорабатывать и тестировать всё равно, пока должен человек. Запомните этот момент, он важен для следующего уровня. И, наконец, третий уровень AI агенты. Продолжим наш пример СМКИ. Посмотрим, что я делаю сейчас вручную. И это цель моего workкflow. Создать посты для социальных сетей на основе новостей. Чтобы это сделать, во-первых, мне нужно продумать и решить, как лучше всё это организовать. Сначала собрать ссылки, потом пересказать новости, потом написать тексты для постов, то есть продумать всю логику. И мне это нужно сделать самостоятельно. Логику продумываю я. Во-вторых, мне нужно действовать. Мне нужно найти статьи или найти сайты, где искать эти статьи. Добавить их в Google таблицы, подключить чат GPT для пересказа, потом ещё раз для написания самих постов, написать промты, тестировать и поправлять по мере необходимости. И вот главный момент всего этого видео, чтобы AI Workflow превратился в AI агента, меня, человека, вообще не должно быть в этой цепочке. Меня должен заменить ЛМ. Агент должен саморассуждать, а где удобнее собрать новости, скопировать весь текст или проще сохранить ссылки и обработать их автоматически. А потом он должен уметь действовать, использовать инструменты, например, сам ставить ссылки в Google таблице, если у пользователя уже подключён аккаунт. Ещё агент должен уметь дорабатывать результат. Помните, я вручную меняла пром, чтобы текст для Telegram звучал проще и понятней. Я могла бы это делать снова и снова, пока результат меня не устроит. А так это делает сам агент. Или он предоставляет результат, я говорю, что мне не нравится, и он сам идёт менять настройки и потом мне заново выдаёт результат. А я в этом всём процессе только ставлю задачу. То есть иоген способен делать то же самое сам без моего участие. Написать текст, проверить, насколько он соответствует нужным критериям, доработать, снова проверить и так по кругу, пока не получится то, что нужно. Самая популярная схема для таких агентов называется React Framework. Отсюда и название React, reason и Act, то есть рассуждать и действовать. И, кстати, для понимания в нашем примере AIгент мог бы подключить вторую модель, чтобы та проверяла и оценивала его работу. Например, агент пишет первую версию поста для Telegram и сам себе задаёт вопрос: "А как проверить, что этот текст хороший? " И тут добавляет шаг второй, где другая LLM читает пост, находит слабые места и предлагает улучшение. И так по кругу писать, проверять, переписывать до тех пор, пока результат не станет таким, как нужно. И всё это без участия человека. То есть человек в данном случае как управляющий, он говорит, понравился ему результат, не понравился. Если не понравился, то что не понравилось, и иди исправляй. Это был условный пример, а теперь реальный. Давайте я покажу, как думают и действуют AI агенты. Есть такой известный эксперт в AI Andдрюwю Ин. Он сделал демо сайт, чтобы показать, как работает AI агент в примере поиска нужных объектов на видео. Ссылку на полное видео я оставлю в описании. И смотрите, как всё устроено. Если вести, скажем, серый волк ночью, агент сначала рассуждает: волк - это животное, ходит на четырёх лапах серого цвета и так далее. Потом он начинает действовать. Он просматривает видео файлы, находит в них нужный фрагмент с волком, выделяет его и показывает нам. И может показаться, что во всём этом нет ничего особенного. Но на самом деле раньше это всё делал человек, смотрел видео, отмечал нужные моменты. расставлял теги. А теперь всё это на себя может брать AIгент. Теперь на какой стадии сейчас развитие этих EИ-агентов, универсальных эагентов, способных полностью заменять человека во всём, пока нет, но уже появляется огромный список агентов, которые хороши в определённых задачах. Пример Lovable - это такой модный на Западе сервис для создания сайтов, приложений. Вы просто пишите задачу вроде: "Сделай страницу регистрации с автоматизацией". А агент сам продумывает дизайн, текст и оформляет структуру. И для первого макета прототипа приложения подойдёт. Но если вы хотите что-то большее, без знаний программирования сделать это будет сложно. Также есть агент Аabкус. Он очень неплохо делает resarch по страницам в интернете. Может собирать отзывы из маркетплейса, потом объединять их в один отчёт, составлять путешествие. Кстати, примерно с тем же справляется китайский агент сервис Манус. По отзывам, он хорошо работает именно в первычных исследованиях и поиске информации. Прорыва ждали от Open AI, и вот они выпустили учат GPT агент. На презентации показали чуть ли не полноценного офисного ассистента, который может сам пользоваться браузером, открывать и редактировать документы в Google, подключаться к Gmail и PowerPoint. В общем, звучит очень впечатляюще, но если честно, пока это скорее демонстрация возможностей, чем массово применяемый продукт. То же самое

пока касается агентов от Google, Antropic и Microsoft. Практически все крупные игроки делают свои попытки создать универсального EАгента, но пока даже в их презентациях чаще всего все сводится к тому, что они умеют заказывать столики, бронировать отели, искать билеты на самолёт. Но давайте будем честными, почти никто этим не пользуется. И я бы пока не доверяла агенту в этом. Агенты существуют, их уже можно использовать на точечные задачи, но пока агенты не все сильны, особенно если мы не разработчики. Но вполне возможно, что уже в ближайшие месяцы появятся агенты, которые смогут реально брать на себя задачи уровня личного ассистента. И, естественно, вы об этом будете узнавать первыми. Будем следить. А пока давайте подведём итог. Вот самая простая схема трёх уровней, про которые мы сегодня говорили. Уровень первый: вы пишете запрос, большая языковая модель. Просто отвечай. Всё понятно? И просто уровень два AI workflow. Вы не только задаёте вопрос, но ещё и прописываете, по какому маршруту модель должна двигаться, куда заглядывать, какие инструменты использовать, в каком порядке всё сделать. Но все решения здесь принимает человек. И, наконец, уровень третий AI агент. Здесь вы просто ставите цель, а модель дальше сама решает, как до неё дойти. Сама планирует действия, проверяет промежуточный результат, дорабатывает, если нужно, и выдаёт вам финальный ответ. И если вам что-то не нравится, вы пишите ей, что ей изменить, и она дальше по этому же кругу будет действовать. Но здесь решение принимает уже не человек, а сама ЛМ. Если вам понравился вот такие вот короткие форматы видео, пишите в комментариях, что хотите увидеть в следующем, и я запишу об этом видео. Всё, всем пока. M.