Спросил как-то у приятеля, чем ИИ-агент отличается от обычного чат-бота. Он подумал и выдал: «Ну, он умнее». Формально не соврал, по сути не объяснил ничего. Разница не в уме, а в том, кто доводит работу до конца.
Чат-бот отвечает на сообщение. Агент получает цель и идёт к ней сам: разбивает на шаги, дёргает нужные инструменты, смотрит на результат и решает, что делать дальше. Дальше можно наращивать сложность, но суть ровно такая.
Чат-бот отвечает, агент доводит до результата
Чат-бот работает как справочное окно. Спросили про доставку, получили ответ по скрипту. Спросили что-то вне сценария, получили «я вас не понял» или перевод на живого оператора. Система запрограммирована и за рамки заготовленных веток не выходит.
ИИ-агент - автономная система. На входе у неё сложная цель, а дальше она ведёт себя как ответственный сотрудник: планирует, раскладывает задачу на подзадачи, подключает инструменты. Ключевое слово здесь «сам».
Пример без терминов. Просите чат-бота: «напиши текст про кофемашину». Получаете текст. Просите агента: «собери лендинг для кофемашины». Он идёт в поиск, смотрит, что пишут конкуренты, вытаскивает характеристики, прикидывает структуру, пишет тексты по блокам, подбирает промпты под картинки и складывает всё в один документ. Вы в это время пьёте кофе.
Момент, который многие пропускают: агент не обязан быть идеальным. Он обязан быть доводимым до результата. Первый вариант вылизывают месяцами, второй запускают за вечер и правят по ходу.
Внутри агента четыре детали, и все обязательны
Первая - языковая модель. Тот самый LLM, который читает контекст и решает, что делать дальше. Без модели никакого агента нет, есть скрипт на Python с красивым названием.
Вторая - инструменты. Поиск в интернете, калькулятор, база данных, почта, CRM, генератор картинок, браузер, парсер сайтов. Курс доллара или остатки на складе агент не «знает», он вызывает инструмент и узнаёт. Модель без инструментов отвечает по памяти и в деталях почти всегда врёт.
Третья - контекст и память. Что уже сделано, какие данные собраны, что не сработало и почему. Без памяти агент на каждом шаге начинает с нуля, ходит по кругу и выдаёт кашу.
Четвёртая - RAG, подгрузка своих документов. Регламенты, прайсы, договоры, база знаний. Агент ищет по ним нужный кусок и подставляет в контекст. Так он отвечает не «в среднем по интернету», а по вашим правилам, вашими словами и с вашими цифрами.
Из этой четвёрки собирается всё остальное. Меняете модель, получаете другую скорость и другой уровень рассуждений. Меняете набор инструментов, получаете агента под совсем другую профессию. Меняете базу знаний, получаете другую экспертизу.
Агентская петля, где вся магия и все косяки
Сердце системы - цикл. Определить следующий шаг, вызвать инструмент, обновить контекст, повторить. И так до момента, когда задача закрыта или агент упёрся в стену.
Петля и отличает агента от workflow. Workflow - заранее спроектированный маршрут, который вы нарисовали сами: шаг один, шаг два, ветка А, ветка Б. Отлично работает, когда все сценарии известны заранее. Агент маршрут не получает, он строит его на ходу, опираясь на результат предыдущего действия.
Простой тест. Если блок-схему задачи можно нарисовать до запуска и она не меняется, вам нужен workflow, а не агент. Если вариантов не перечесть и следующий шаг зависит от того, что нашлось на предыдущем, нужен агент.
Живой пример - Deep Research. Даёте тему, дальше он сам: формулирует поисковые запросы, читает выдачу, отбрасывает мусор, замечает противоречия между источниками, уточняет запрос и в конце собирает отчёт со ссылками. Ветку «если на третьем источнике данные расходятся, ищи четвёртый» ему никто не прописывал. Он решил это сам в процессе.
Там же, в петле, живут и все проблемы. Ошибся на третьем шаге, дальше поехал по кривой и в конце выдал красивый, уверенный, полностью неверный результат. Человек так тоже умеет, но человек хотя бы сомневается.
Workflow или агент: граница проходит по предсказуемости
Половина провалов в этой теме случается не из-за плохой модели, а из-за того, что агента сунули туда, где нужен обычный сценарий. Классика: обработка заявок по строгому регламенту. Там пять шагов, они не меняются, и любая импровизация вредит.
Другая половина провалов - обратная история. Люди пытаются описать жёсткой схемой задачу, где вариантов сотни. Получают монстра на двести веток, который ломается на первом же нестандартном кейсе.
Практическое правило, которое я вывел для себя. Всё, что описывается регламентом на одну страницу, отдаём workflow. Всё, где регламент занимает десять страниц и всё равно не покрывает реальность, отдаём агенту.
Три типа агентов, которые встречаются на практике
Первый и самый распространённый - агент-исполнитель. Одна цель, один цикл, понятный набор инструментов. Найти информацию, собрать отчёт, подготовить черновик письма, проверить контрагента. Девяносто процентов реальных задач закрывается именно так.
Второй тип - агент-планировщик. Сначала строит план из нескольких шагов, потом исполняет, а при провале шага возвращается и перестраивает план. Полезен там, где работа длинная: исследование рынка, подготовка аналитики, сборка сайта из десятка блоков.
Третий тип - мультиагентная схема, где несколько агентов с разными ролями перекидывают задачу друг другу. Один исследует, второй пишет, третий критикует и отправляет на переписывание. Звучит красиво, на практике жрёт токены как не в себя и требует аккуратной настройки. Начинать с этого не стоит.
Где агенты уже приносят деньги, а не демки
Поддержка. Первая линия, которая не бесит. Агент смотрит историю заказов, статус доставки, регламент возврата и отвечает по делу. Без «ваш вопрос очень важен для нас». Экономия считается в минутах операторов, а не в красивых презентациях. На Reddit практикующие разработчики агентов отмечают, что выигрыш даёт не сама модель, а доступ к внутренним данным компании.
Продажи. Квалификация лидов: собрать данные по клиенту, проверить по базе, прикинуть потенциальный чек, поставить задачу менеджеру и напомнить, если тот забыл. Скучная работа, которую человек делает плохо именно потому, что она скучная.
Контент и сайты. Тот самый пример с CoPilot: задаёте тематику, шрифт и цветовую схему, а дальше агент генерирует полную структуру сайта и промпты к изображениям на основе этой базовой информации. Из двух шагов на входе вырастает полтора десятка на выходе.
Аналитика. Собрать цифры из трёх систем, свести в одну таблицу, найти аномалии, написать короткое резюме для руководителя. Рутина на два часа, которую человек тихо ненавидит всю дорогу.
Внутренние процессы. Разбор входящей почты, сортировка документов, проверка договоров по чек-листу, подготовка ответов на типовые запросы. Красивых демо тут нет, зато есть живые часы, которые освобождаются каждый день.
Как выглядит рабочая задача для агента
Главная ошибка новичка - запрос в стиле «сделай мне хорошо». Агент не угадывает, он исполняет. Чем точнее описана цель, тем меньше сюрпризов.
Хорошая постановка: что на входе, что должно быть на выходе, в каком формате, какие данные можно брать, чего делать категорически нельзя, когда остановиться и позвать человека. Шесть пунктов, а результат отличается в разы.
Описывайте задачу так, как объяснили бы новому сотруднику в первый день. Без внутреннего жаргона, без «ну ты понял», без отсылок к тому, что «все знают». Агенту действительно нужно разжёвывать, и это нормально.
Готовые ИИ-агенты: заходишь и разговариваешь
Собирать агента с нуля - отдельное удовольствие и отдельные выходные. Для большинства задач это уже не нужно.
На 3GPT есть готовые ИИ-агенты под конкретные задачи: 3seller.com/ai/agents. Выбираете агента, начинаете общение. Модель меняется прямо в чате: поняли, что задача требует другого подхода, переключились и продолжили с того же места. Без пересборки, без новых подписок, без танцев с ключами API.
Подход нравится своей честностью. Человеку нужен результат, а не конструктор. Конструктор оставьте тем, кто строит процессы на поток и готов в них копаться.
Для повседневных задач в бизнесе и в работе: продающие тексты, сайты, разбор документов, ответы клиентам, подготовка презентаций. Всё то, на что обычно не хватает рук.
Доступ к флагманским моделям из России без иностранной карты
Отдельная боль, которая перекрывает всё остальное. Хочешь попробовать топовую модель, а на выходе нужна карта не нашей платёжной системы, зарубежный номер телефона и вагон терпения. Знакомо каждому, кто пытался оплатить подписку из России.
3GPT - ИИ-роутер, который даёт прямой доступ из России к последним флагманским моделям: Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений, генерация видео. И это не весь список.
Цена входа 149₽. Не в месяц за каждую модель по отдельности, а за доступ ко всему пулу. Пополнить баланс можно российской картой, через СБП или криптой.
Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT: https://3seller.com/3gpt.
Смысл роутера в том, что вы не привязаны к одной модели. Одна лучше пишет, другая лучше считает, третья лучше держит длинный контекст. Держать три подписки и три способа оплаты - боль. Держать один вход в один пул - нормально.
Картинки и видео, где агент экономит часы
Текстами сыт не будешь, половина работы - визуал. Реалистичные фото, обложки, карточки товаров, превью, короткие ролики, озвучка.
Для этого на 3GPT есть отдельное направление: 3seller.com/3gpt-image. Создавайте и обрабатывайте максимально реалистичные изображения, генерируйте видеоролики, синтезируйте голос. Всё в одном месте, без прыжков между десятком сервисов.
Деталь, которую знают те, кто реально генерил. Промпт к картинке - не «красивый закат». Камера, объектив, свет, ракурс, настроение, детали фона, одежда, текстура кожи. Агент как раз умеет развернуть вашу куцую фразу в такой промпт. Экономит десятки итераций и нервов.
Недооценённый сценарий: сначала генерите картинку, потом анимируете её в короткий ролик, потом добавляете голос. Три шага, один инструмент, полчаса вместо трёх дней переписки с дизайнером.
Где вы точно получите проблему
Агент не думает как человек. Он предсказывает следующий токен, просто с доступом к инструментам. Отсюда несколько следствий, о которых лучше узнать заранее.
Первое: качество на входе определяет качество на выходе. Кривой прайс в базе знаний, устаревший регламент, мусор в документах - и агент уверенно транслирует этот мусор дальше. Причём уверенно и красиво оформлено, что хуже всего. Устаревшие документы в базе - самая частая причина провала, которую я видел. На Habr в разборах самодельных агентов всплывает ровно та же история: модель поменяли, базу знаний не обновили, результат не изменился.
Второе: автономность требует ограничителей. Чем больше свободы вы дали, тем важнее рамки. Не давайте агенту право отправлять письма клиентам и менять данные в CRM в первый же день. Сначала черновик, потом проверка человеком, и только потом автопилот.
Третье, банальное: дорого. Длинная петля с десятком вызовов модели и поиска съедает токены быстро. Считайте стоимость одного прогона до того, как запускать агента на тысячу задач.
Четвёртое: агент не любит расплывчатых целей. Дайте ему «сделай лучше» и получите «сделал как-то». Дайте измеримый критерий готовности и получите результат.
С чего начать на этой неделе
Не с архитектуры и не с выбора фреймворка. С одной задачи, которая повторяется каждую неделю и съедает час-два. С неё и начинайте.
Опишите её так, как объяснили бы новому сотруднику: что на входе, что на выходе, какие данные можно брать, чего делать нельзя. Прогоните через готового агента, посмотрите, где он врёт и где тупит. Два-три прогона дают больше понимания, чем десять статей с определениями.
Не пытайтесь сразу строить «агента для всего». Такие проекты живут ровно до демо перед руководством, а потом тихо умирают в папке с названием «эксперименты».
Начать проще всего с готовых агентов на 3GPT: https://3seller.com/ai/agents. Модель переключается прямо в чате, доступ ко всем флагманским нейросетям открыт, оплата нашей картой, через СБП или криптой. 149₽ за вход дешевле, чем вечер на настройку окружения и поиск обходных путей для оплаты.
Короткий вывод, который стоит держать в голове. ИИ-агент простыми словами - не магия и не восстание машин. Это программа с доступом к инструментам, которая умеет делать шаги сама. Пока шаги маленькие и проверяемые, она приносит пользу. Как только шаги становятся большими и непроверяемыми, приносит проблемы.