Как создавать и продавать ИИ-агентов: полное руководство для начинающих > Спикер: Лиам Оттли | Длительность: 3:50:39 Ключевые идеи 1. ИИ-агент — это цифровой сотрудник, а не чат-бот — ключевое отличие в способности действовать: проверять календарь, отправлять email, обновлять CRM. Чат-бот только отвечает на вопросы, агент решает задачи. 2. Пять компонентов ИИ-агента — мозг (LLM), промпт (инструкции), память (контекст разговора), внешние знания (документы компании) и инструменты (API для действий). Инструменты — самый важный компонент. 3. Три ингредиента для планирования агента — при создании агента фокусируйтесь на промптинге (поведение), знаниях (данные) и инструментах (действия). LLM заменяем, память автоматическая. 4. Всё в интернете — запросы и ответы через API — GET (получить данные) и POST (отправить данные). Агенты используют те же API, что и приложения, но программно. 5. Схемы — инструкции на естественном языке — schema описывает инструмент: что делает, что принимает на вход, что возвращает. LLM читает схему и понимает когда и как использовать инструмент. 6. Сила — в комбинации инструментов — один инструмент малополезен, но комбинация (поиск + таблицы + email) создаёт полноценного цифрового работника. 7. Два типа агентов — разговорные (чат, телефон, мессенджеры) и автоматизированные (триггеры, расписания, работа в фоне). 8. No-code платформы демократизируют создание агентов — Relevance AI, n8n, Voiceflow, Agent позволяют строить продакшн-агентов без кода. 9. Firecrawl — ключ к качественному веб-скрейпингу — превосходит базовый парсинг, критически важен для исследовательских инструментов. 10. Бизнес-агенты — главная возможность монетизации — персональные ассистенты достанутся BigTech, деньги — в специализированных решениях для бизнеса. 11. Мультиагентные системы — будущее — иерархия специализированных агентов под управлением координатора эффективнее одного универсального агента. Транскрипт Зачем учиться строить ИИ-агентов Лиам Оттли начинает с контекста: за 2 года самообучения в области ИИ он построил несколько бизнесов с совокупной выручкой более $5 млн, вырастил канал до 450 000 подписчиков и создал агентов для крупнейших компаний мира. По данным McKinsey, ИИ и агенты могут автоматизировать до 50% текущей работы к 2030 году. 41% компаний планируют сократить штат из-за ИИ. Но обратная сторона медали: 66% работодателей планируют нанимать людей с навыками ИИ, потому что ИИ-грамотный сотрудник может быть в 5-10 раз продуктивнее обычного. Что такое ИИ-агент ИИ-агент — это цифровой работник, который понимает инструкции и выполняет действия для решения задач. В отличие от чат-ботов, которые только отвечают заскриптованными фразами, агенты могут проверить календарь, найти свободные слоты, забронировать встречу, отправить подтверждение и обновить CRM — всё за секунды. Создание агента аналогично найму сотрудника: нужно объяснить роль, дать доступ к системам и доверить самостоятельную работу. Анатомия ИИ-агента: пять компонентов Мозг (LLM) — GPT, Claude, Gemini. Понимает инструкции на естественном языке и определяет план действий. Промпт — текстовые инструкции, определяющие поведение агента. Это программирование через естественный язык, что делает создание агентов доступным без навыков кодинга. Память — позволяет агенту помнить контекст разговора, отслеживать задачи, строить на предыдущих диалогах. Большинство платформ обрабатывают память автоматически. Внешние знания (опционально) — PDF документов компании, таблицы с продуктами, транскрипты звонков. Дополняют базовые знания LLM специфичной информацией. Инструменты — API-интеграции, позволяющие агенту действовать: проверять данные, обновлять базы, отправлять сообщения, создавать документы. Три ингредиента: практическая рамка При планировании агента фокусируйтесь на трёх элементах: промптинг (как агент себя ведёт), знания (какими данными оперирует) и инструменты (какие действия может совершать). LLM легко заменяем между провайдерами, а память обрабатывается платформами автоматически. Как работают API и инструменты Каждое действие в интернете — это запрос и ответ через API. Два основных типа запросов: GET (получить данные — загрузить видео, проверить погоду) и POST (отправить данные — опубликовать твит, отправить email). API — как официант в ресторане: принимает заказ (запрос), передаёт на кухню (сервер) и приносит еду (ответ). Инструменты агента бывают двух видов: готовые интеграции (Google Calendar, Gmail — «готовая еда») и кастомные инструменты, созданные с нуля («готовка с нуля»). Кастомные дают больше контроля. Анатомия инструмента Инструмент состоит из: функции (выполняет работу), API-обёртки (делает функцию доступной через интернет) и схемы (инструкция на естественном языке). Схема — одностраничная инструкция: что инструмент делает, какие входные данные нужны, что ожидать на выходе. LLM читает схему и самостоятельно определяет: какой инструмент использовать, какие данные извлечь из сообщения пользователя, что передать в API и как преобразовать сырой JSON-ответ в естественный язык. Продвинутое использование инструментов Настоящая мощь раскрывается при комбинации нескольких инструментов. Пример: «Найди ИИ-стартапы, получившие инвестиции, занеси в таблицу с описаниями и отправь мне ссылку по email». Агент декомпозирует задачу: поиск → создание таблицы → заполнение → суммаризация → отправка. Reasoning-модели (o1, o3) добавляют способность рефлексировать и перепланировать при неудаче. Разговорные и автоматизированные агенты Разговорные агенты взаимодействуют с людьми через чат (веб, WhatsApp, Instagram) или телефон (голосовые агенты с мультимодальными моделями). Автоматизированные агенты запускаются событиями (новая заявка, расписание) и работают в фоне без участия человека. Реальные бизнес-применения Ко-пилоты — специализированные агенты для конкретных ролей (поддержка клиентов, продажи). Дают сотрудникам мгновенный доступ к базе знаний, информации о клиенте и автоматизации рутины. Агенты генерации лидов — работают на сайтах, в WhatsApp, Instagram, по телефону 24/7. Отвечают на вопросы, захватывают контакты, бронируют встречи. Исследовательские агенты — автоматически собирают информацию о новых лидах: данные о компании, LinkedIn-профиль, определяют квалификацию и готовят бриф для отдела продаж. Практика: четыре сборки агентов Сборка 1: Ко-пилот продавца (Relevance AI) — три кастомных инструмента: исследование компании (веб-скрейпинг URL), исследование контакта (LinkedIn) и генератор предпродажного отчёта. Агент помогает продавцам готовиться к звонкам. Сборка 2: Автоматическая квалификация лидов (n8n) — автоматизированный агент, который при получении новой заявки исследует компанию, квалифицирует лида и уведомляет нужного менеджера. Сборка 3: Лидогенерация и поддержка на сайте и по телефону (Voiceflow) — агент отвечает из базы знаний, генерирует мгновенные расчёты через кастомный инструмент, захватывает лиды. Подключается к сайту как виджет и к телефонному номеру. Сборка 4: Лидогенерация в WhatsApp (Agent) — быстрое создание агента с подключением к WhatsApp-номеру и автоматической отправкой лидов в Airtable. Ключевые навыки для создания инструментов Веб-скрейпинг через Firecrawl превосходит базовый парсинг. Важно правильно именовать переменные, добавлять описания к каждому параметру инструмента и тестировать инструменты изолированно перед подключением к агенту. Практические задания Задание 1: Определи задачи для автоматизации Проанализируй свой рабочий день и выпиши все повторяющиеся задачи. Из них выбери 3 задачи, которые включают: получение информации, принятие простого решения и выполнение действия. Для каждой задачи определи: какие инструменты нужны агенту, какие знания потребуются, какой промпт описывает поведение. Задание 2: Создай первый инструмент на Relevance AI Зарегистрируйся на Relevance AI. Создай инструмент: на вход — URL компании, шаг веб-скрейпинга для извлечения контента, LLM-шаг для генерации резюме. Протестируй на 3-5 реальных сайтах. Задание 3: Напиши промпт для ко-пилота Используя структуру из видео, напиши системный промпт: роль агента, контекст компании, доступные инструменты, правила поведения. Промпт должен быть 300-500 слов. Задание 4: Разбери анатомию API-запроса Открой DevTools (F12 → Network), перезагрузи страницу. Найди 3 GET и 1 POST запрос. Для каждого запиши URL, тип, формат ответа. Задание 5: Построй автоматизацию на n8n Установи n8n, создай webhook-триггер → LLM-обработку → отправку email. Это база для автоматизированных агентов. Задание 6: Составь JSON-схему кастомного инструмента Выбери действие для автоматизации, напиши JSON-схему с name, description, parameters. Проверь через ChatGPT, правильно ли он понимает назначение инструмента. Лучшие цитаты > «ИИ-агент — это цифровой работник, который может понимать инструкции и выполнять действия для решения задач» — Лиам Оттли > «Это как иметь сотрудника, который забывает всё, что вы сказали 30 секунд назад» — Лиам Оттли > «Когда вы поймёте этот паттерн, вы больше никогда не будете смотреть на интернет так же. Каждое действие онлайн — это запросы и ответы» — Лиам Оттли > «Подтянуть знания по ИИ — это гораздо проще, чем вы думаете» — Лиам Оттли > «Они не просто модные чат-боты. Это настоящие цифровые работники» — Лиам Оттли > «То, что сейчас кажется сложным, не будет казаться сложным всегда» — Лиам Оттли > «Создание ИИ-агента — это как найм нового сотрудника: нужно объяснить роль, дать доступ к системам и доверить самостоятельную работу» — Лиам Оттли > «Готовые интеграции — как купить готовую еду, а кастомные инструменты — как готовить с нуля. Оба варианта работают, но кастомные дают гораздо больше контроля» — Лиам Оттли