Анатомия ИИ-агента

Зачем это тебе

Ты уже умеешь общаться с нейросетями и собирать простые штуки вайб-кодингом. Но между «чат-ботом, который отвечает на вопросы» и «агентом, который реально делает работу» — пропасть. Чат-бот в HR-отделе расскажет, сколько дней отпуска положено по Трудовому кодексу РК. Агент — сам найдёт твой остаток отпуска в таблице, сформирует заявление и отправит его на согласование руководителю.

К концу этого трека ты соберёшь собственного агента для своей компании. Но сначала нужно понять, из чего агент состоит — иначе ты будешь собирать машину, не зная, где у неё двигатель. Эта картинка в голове сэкономит тебе недели блужданий.

Хорошая новость: компонентов всего четыре, и все они понятны без программирования.

Теория

Формула агента

Запомни формулу:

Агент = LLM + Инструменты + Память + Цикл

Разберём каждую часть.

1. LLM — мозг

LLM (большая языковая модель, например Claude) — это «мозг» агента. Она понимает запрос человека, рассуждает и решает, что делать дальше. Сама по себе LLM ничего не умеет, кроме как генерировать текст. Она не может открыть таблицу, отправить письмо или посмотреть календарь.

Именно поэтому чат-бот на «голой» LLM — это просто собеседник. Умный, но безрукий.

2. Инструменты — руки

Инструменты — это действия, которые агент может выполнять во внешнем мире:

• прочитать документ или таблицу (например, реестр сотрудников в Google Sheets);
• отправить сообщение в Telegram или письмо на почту;
• создать событие в календаре;
• дёрнуть API внутренней системы (1С, Bitrix24, amoCRM).

Механика простая: LLM видит список доступных инструментов с описаниями и в нужный момент говорит «вызови инструмент "поиск_в_базе" с параметром "Айгерим Сатпаева"». Код вызывает инструмент, результат возвращается модели, и она продолжает рассуждать уже с новыми данными.

3. Память — блокнот

Есть два вида памяти:

• Краткосрочная — история текущего диалога. Благодаря ей агент помнит, что три сообщения назад ты спрашивал про отпуск, и «понимает» вопрос «а сколько дней у меня осталось?».
• Долгосрочная — знания компании: регламенты, FAQ, база клиентов, прайс-листы. Их подключают через поиск по документам (об этом — урок 4 про RAG).

4. Цикл — характер деятеля

Самое важное отличие агента от бота. Бот работает по схеме «вопрос → ответ, конец». Агент работает циклом:

1. Получил задачу
2. Подумал: что нужно сделать?
3. Вызвал инструмент
4. Посмотрел на результат
5. Если задача не решена — вернулся к шагу 2
6. Если решена — дал финальный ответ

Агент может сделать 5–10 шагов сам, без человека. В этом его сила — и его риск (об этом урок 7).

Стандарт Ark: душа и память в двух файлах

В этом треке мы собираем агентов по единому стандарту сети ArmanNetwork (Ark). Стандарт вырос из Армана — рабочего агента основателя академии, который живёт уже годы и ведёт десятки проектов. Суть умещается в два файла:

• SOUL.md («душа») — кто твой агент: имя, характер, правила, границы. Это твой системный промпт, оформленный как личность.
• MEMORY.md («память») — что агент понял и запомнил: не лог переписки, а извлечённые факты и уроки. Агент дописывает его сам.

Почему это важно: агент с душой и памятью — не одноразовый чат, а живой сотрудник, который сегодня помнит, о чём вы договорились вчера. Все агенты выпускников устроены одинаково — поэтому они совместимы между собой и готовы вступить в общую сеть, которую строит академия. Твой агент из этого трека станет её жителем.

Три реальных примера

Агент поддержки клиентов (интернет-магазин, Алматы). Клиент пишет в Telegram: «Где мой заказ №4512?» Агент: находит заказ по номеру через API магазина → видит статус «передан в Kaspi Доставку» → запрашивает трек-номер → отвечает клиенту с ссылкой на отслеживание. Три вызова инструментов, ноль людей.

HR-ассистент (производственная компания, Караганда). Новый сотрудник спрашивает: «Как оформить командировку в Астану?» Агент: ищет в базе регламентов инструкцию → видит, что нужен приказ → присылает шаблон и список шагов → предлагает сразу создать черновик заявки.

Аналитик продаж (дистрибьютор, Шымкент). Руководитель каждое утро пишет: «Сводка за вчера». Агент: выгружает данные из CRM → считает выручку по регионам → сравнивает с планом → присылает короткий отчёт с выводами: «План по Туркестанской области выполнен на 68%, проседает канал дистрибуции».

Где граница разумного

Агент — не волшебник. Он хорош там, где задача типовая, данные доступны, а цена ошибки невысока. Он плох там, где нужна ответственность человека: увольнения, крупные платежи, юридические решения. Правило: агент готовит, человек утверждает — по крайней мере, на старте.

Практика

Твоя задача — начать «дневник агента», который ты будешь вести весь трек.

1. Создай документ (Google Docs или заметка) с названием «Мой агент — дневник».
2. Выпиши 3 процесса из твоей работы или компании, где люди регулярно тратят время на рутину. Например: «отвечаем на одни и те же вопросы клиентов в WhatsApp», «вручную собираем отчёт по продажам», «новички дёргают HR одними и теми же вопросами».
3. Для каждого процесса распиши по формуле: какой мозг нужен (что агент должен понимать), какие руки (к каким системам/данным доступ), какая память (какие документы/история), какой цикл (сколько шагов от запроса до результата).
4. Отметь звёздочкой процесс, который кажется самым перспективным. В следующем уроке мы проверим его по строгим критериям.

Пример строки из дневника:

Процесс: ответы на вопросы новичков в HR
Мозг: понимать вопросы про отпуска, больничные, зарплату, пропуска
Руки: поиск по базе регламентов, создание заявки в HR-системе
Память: 12 внутренних регламентов + история диалога
Цикл: вопрос → поиск в базе → ответ (1-2 шага, простой)

Чек-лист

• Могу своими словами объяснить формулу «LLM + инструменты + память + цикл»
• Понимаю стандарт Ark: SOUL.md (душа) + MEMORY.md (память)
• Понимаю разницу между чат-ботом и агентом и могу привести пример
• Знаю, чем краткосрочная память отличается от долгосрочной
• Завёл «дневник агента» и выписал 3 процесса из своей компании
• Разобрал каждый процесс на 4 компонента агента
• Отметил самый перспективный процесс звёздочкой