Як працювати з АІ-агентами: 13 порад з курсу Сараєва українською

Агент ходить по колу з трьох кроків. Дивиться (читає контекст і твої інструкції), думає (що робити далі), діє (редагує файли, запускає команди). Результат іде назад на вхід, і так три-чотири кола, аж поки агент дійде до «визначення готовності». Саме його, за його словами, люди рідше за все дають агенту, і тому розчаровуються.

Модель лише мала частина. Вона мозок, який розуміє мову й ухвалює рішення, але без оточення обмежена, як людина зі списом без дому, вогнища й суспільства. Чат може бути самою моделлю. Агент додає до неї інструменти, цикл міркування й пам'ять: файли з інструкціями, історію розмови, автопам'ять і скіли.

Claude найпрозоріший: видно кожне рішення, можна зупинити, але він повільніший і слабший у дизайні. Gemini кращий у дизайні сторінок і розуміє відео, але найменш прозорий і непослідовний. GPT у Codex найсильніший у бекенді й роботі за тестами. Різницю він оцінює в кілька відсотків, це приблизні числа, і для більшості задач підійде будь-яка.

Файл правил підставляється на початок кожної розмови. Додай до нього інструкцію: коли тебе виправили чи ти помилився, одразу допиши внизу правило виду «завжди чи ніколи роби X, бо Y». Після його «без темної теми» агент записав це й більше таких сайтів не робив. З кожною сесією правил більше, помилок менше.

Агенти вчились лише з тексту. Клод відео не дивиться, тому він шле лінк у Gemini API: той переглядає відео по кадру на секунду й розписує нумерований список кроків, а клод їх виконує. За 21-хвилинним відео про збір лідів з Google Maps агент сам збудував потік у n8n, підключив таблицю й запустив тест: потік справді зібрав дані з Google Maps.

Та сама модель на те саме питання щоразу відповідає трохи інакше. Це можна використати: запускаєш 10 агентів з трохи різною постановкою, збираєш відповіді й дивишся, що повторили всі, де розійшлись і що сказав лише один. Такі «викиди» трапляються у 5–10% відповідей, і серед них буває сильне. Його приклад: чому в нього близько 1 000 переглядів на акаунт у ТікТоці, хоча в інсті 450 тисяч підписників.

Другий спосіб: даєш кожному агенту свою роль і спільний документ, де вони по черзі сперечаються. У нього п'ять примірників клода: мислитель про системи, прагматик, шукач крайніх випадків, захисник користувача й скептик. Через суперечку ідеї виходять тонші, ніж у паралельних відповідях. Для стратегії він таким результатам повністю не довіряє: бере їх як джерело ідей.

Агент, що довго робив задачу, упереджений: вважає свій шлях найкращим, бо стільки в нього вклав. Тому віддай іншому агентові лише результат без міркувань зі свіжим контекстом і спитай, чи правильно це. У нього три ролі: виконавець, рецензент, виправник. У його прикладі свіжий рецензент знайшов 22 проблеми в застосунку, яких перший агент не бачив.

Розпливчаста задача, на його думку, головна причина розчарування в агентах. Приклад: «зроби Netflix 2.0, нехай заробляє мільйон, без помилок». Рішення: контракт із чотирьох частин: мета, обмеження, формат і що вважається провалом. Агент складає його сам і просить підтвердити до початку.

Реверсний промпт: агент перед роботою ставить тобі п'ять уточнювальних питань про те, чого ти не вказав. Яка головна мета сайту, одна сторінка чи кілька, у якому стилі («як у лінійного, але білий»), брати текст із контексту чи заглушки. Потім питання йдуть у контракт. Шанс, що вийде з першого разу, значно вищий.

Один агент проходить сайт за сайтом: відкрити браузер, зробити скріншот, знайти форму, заповнити. За його розрахунком це 2–3 хвилини на форму, 1 000 форм займуть близько 30 годин. Тому кожному агентові він дає свій Chrome і свою папку. 10 агентів зроблять 10 форм за ті самі 2 хвилини, 100 дадуть близько 50 на хвилину.

Контекст обмежений, від 200 тисяч до мільйона токенів. Що довша розмова, то нижча якість і вищий рахунок. Ще до першого повідомлення частину місця з'їдають інструкції, пам'ять, скіли й інструменти: у його тесті близько 9 тисяч із 200. Тому постійне лишай угорі, а файли й інтернет відкривай за потреби: у скіла в контексті лише короткий опис. Коли пам'ять повна, вмикається стиснення, і деталі губляться.

Приклад: 100 мільйонів токенів лише на найрозумнішій моделі коштують 500 доларів. Розкладаєш 60/30/10: 60% дешевій, 30% середній, 10% найрозумнішій, і виходить 200 доларів, економія 60%, якість майже та сама. Найрозумніша модель роздає завдання, а дешеві роблять масову роботу: збирають листи, класифікують. Є ще пакетна обробка: погодиш чекати добу, і провайдери беруть дешевше.