ИИ-агенты без жаргона: чем они отличаются от чат-ботов
🧩 Загадка: Что нужно убрать из ИИ-процесса, даже если в нём тысяча шагов, чтобы он превратился в агента? Ответ — в конце статьи.
Чат-бот составит вам письмо вежливее, чем вы написали бы сами, но не скажет, когда у вас встреча за кофе. Почему умнейшая языковая модель пасует перед таким простым вопросом и что меняется, когда в дело вступает «агент»? Разберём это в три шага, без формул. По пути выяснится, что пугающие слова RAG и ReAct означают довольно простые вещи.
Главное
- Языковые модели (LLM), на которых работают ChatGPT, Gemini и Claude, отлично пишут текст. Но ваших личных и рабочих данных они не знают и без запроса ничего не делают.
- ИИ-процесс — цепочка шагов, которую прокладывает человек. Сколько бы в ней ни было шагов, решения принимает он.
- Агент появляется, когда решения переходят к модели: она рассуждает, действует с помощью инструментов и сама улучшает результат.
- RAG — процесс по схеме «сначала найди, потом ответь». ReAct — схема «рассуждай и действуй», на которой чаще всего строят агентов.
Почему гений текста не знает, что у вас в календаре?
Первый уровень самый простой. Вы даёте модели запрос, она выдаёт ответ, опираясь на то, чему её научили. Попросите письмо с приглашением на кофе, и вы получите безупречный текст.
Спросите, когда эта встреча, и модель провалится. У неё две врождённые слабости. Она почти ничего не знает о закрытой информации: вашем календаре, документах компании. И она пассивна: молчит, пока её не спросят.
Что будет, если проложить модели маршрут?
Добавим правило: на вопрос о личных делах модель сначала заглядывает в Google Календарь и только потом отвечает. Теперь она называет дату встречи. Но следующий вопрос, о погоде в тот день, снова ставит её в тупик: маршрут ведёт только в календарь, а погоды там нет.
Это главное свойство ИИ-процессов. Они идут лишь по путям, заранее заданным людьми. Специалисты называют такой путь управляющей логикой. Можно подключить сервис погоды и даже модель, которая озвучит ответ голосом. Но и тысяча шагов останется процессом, если решает человек. Так вот, RAG — именно такой процесс, где модель перед ответом что-то ищет.
Представьте поезд: он может проехать сотню станций, но только по уложенным рельсам. Свернуть ему не дано.
Как такой конвейер выглядит в жизни?
Разработчик собрал на платформе make.com цепочку для соцсетей. Ссылки на новости копятся в Google Таблице, Perplexity делает по ним краткие выжимки, а Claude по заданной подсказке пишет посты для LinkedIn и Instagram. Всё запускается само каждый день в 8 утра.
Подвох обнаружился на проверке: пост вышел недостаточно смешным. Переписывать подсказку и пробовать снова пришлось вручную, и не один раз. Этот круг проб и ошибок пока крутит человек. А что, если его отдать машине?
Когда машина начинает решать сама?
Чтобы процесс стал агентом, нужна одна перемена: место человека, принимающего решения, занимает модель. Она рассуждает: удобнее копировать статьи целиком или собрать ссылки и выгрузить текст другим инструментом? Она действует: выбирает Google Таблицы, потому что аккаунт Google уже подключён. Отсюда и название ReAct, от слов «reason» и «act».
Третье умение — повторять попытки. Агент может сам добавить ещё одну модель-критика, которая сверяет пост с правилами хорошей публикации. Цикл повторяется, пока все требования не выполнены.
Живой пример показал Эндрю Ын, одна из самых известных фигур в ИИ. На его демонстрационном сайте вводишь «лыжник», и агент сначала прикидывает, как тот выглядит: человек на лыжах, скорость, снег. Затем он просматривает видео, находит подходящий фрагмент, индексирует и возвращает его. Раньше для этого человек отсматривал записи и вручную ставил метки «лыжи», «гора», «снег».
Что это значит для нас
Когда продукт называют «агентом», задайте один вопрос: кто выбирает следующий шаг? Если путь расписал человек, перед вами процесс. Для рутины его часто хватает, и он предсказуем.
Начните с простого: распишите свою задачу по шагам и отметьте, где вы сами думаете, выбираете инструмент и переделываете результат. Именно эти места агент может взять на себя. Встроенная проверка, когда одна модель критикует работу другой, полезна в любом варианте.
Если ваши данные живут в записях встреч, лекций и интервью, первым звеном такой цепочки станет текст. Тут поможет расшифровка аудиозаписей.
🎯 Проверь себя
Почему обычный чат-бот не ответит, когда у вас следующая встреча?
Языковые модели почти ничего не знают о личной и внутренней информации и пассивно ждут запроса.
Показать ответ
У неё нет доступа к вашим личным данным, и сама она ничего не ищет. Языковые модели почти ничего не знают о личной и внутренней информации и пассивно ждут запроса.
Что такое RAG?
RAG лишь добавляет шаг поиска перед ответом, а маршрут по-прежнему задаёт человек.
Показать ответ
Разновидность ИИ-процесса: модель сначала ищет сведения, потом отвечает. RAG лишь добавляет шаг поиска перед ответом, а маршрут по-прежнему задаёт человек.
Что делал агент в демонстрации Эндрю Ына, получив запрос «лыжник»?
Агент сначала рассуждал о внешнем виде лыжника, затем просматривал записи, индексировал подходящий фрагмент и возвращал его.
Показать ответ
Представлял, как выглядит лыжник, и сам находил такие кадры в видео. Агент сначала рассуждал о внешнем виде лыжника, затем просматривал записи, индексировал подходящий фрагмент и возвращал его.
🧩 Ответ на загадку: Человека, который принимает решения. Его место должна занять сама языковая модель: она рассуждает, выбирает инструменты и решает, когда результат готов.
Вы дочитали до конца! Сегодня прочитано статей: 1
Следующая статья →Бактерии на языке и скорость мысли: что нашли учёные
Ещё в «Высоких технологиях»
Почему ночью мозг включает показ самых стыдных моментов
Почему кошка бежит на «кс-кс-кс», а на своё имя — не всегда
Зачем мозгу тишина: что происходит, когда стихает шумНужна расшифровка записи?
Интервью, лекции, совещания, видео — переведём в точный текст. Редактор прослушивает всю запись и проверяет весь текст; стоимость и срок согласуем после оценки.
 |
 |
 |
 |