Попытки собрать ИИ-агента, который реально делает работу, а не просто генерирует текст, часто превращаются в хаос. Агент вроде бы умный, но постоянно требует вашего участия, ошибается в мелочах и не доводит задачу до конца. Лорен Тан из SpaceX и Cursor знает, как это исправить. Ее метод сборки ИИ-агентов простой, но большинство о нем не догадывается.
Лорен Тан - инженер, которая работала над React-компилятором в Meta, техническим лидом в Netflix, а теперь строит агентов в Cursor и SpaceX AI. Она рассказывает, как выстроила работу с агентами: просыпается и видит 20 уже объединенных пул-реквестов, не проверяя каждый перед мерджем. В этой статье разберем ее подход по шагам и посмотрим, как применить его в бизнесе.
Кто такая Лорен Тан
Лорен Тан - инженер из SpaceX AI, до этого работала в Cursor, Meta и Netflix. В Meta она трудилась над React-компилятором, в Netflix была техническим лидом. Сейчас она занимается агентами и оркестрацией. Ее опыт уникален: она видит, как агенты работают в продакшене на масштабе крупных компаний.
Недавно она дала часовое выступление о том, как строить ИИ-агентов, которые приносят пользу. Оно разлетелось на цитаты. В этом выступлении Лорен объясняет, как перейти от одного агента к целой команде, не утонув в ручной проверке. Ее подход основан на простых принципах, которые легко применить в любом проекте.
Почему большинство агентов не работают
Главная ошибка - пытаться сразу построить сложную мультиагентную систему. Люди дают агентам кучу инструментов, ставят нечеткие задачи и ждут чуда. Вместо этого получается хаос: агенты дергаются, дублируют работу друг друга, а человек вынужден контролировать каждый шаг.
Лорен предлагает другой путь. Начинать с одного агента, дать ему четкую задачу и результат. Потом добавить проверки и циклы. И только когда агент станет надежным, переходить к команде. Этот подход кажется медленным, но он работает. Именно так строят надежные системы.
Шаг 1: Один агент, одна задача
Лорен советует начинать с одного агента. Дайте ему четкую работу и четкий результат. Не "помоги мне с проектом", а "собери все ошибки в логах и сгруппируй по типам". Когда агент делает что-то одно, вы видите, где он спотыкается. В этом основа.
Если сразу запустить пять агентов, вы не поймете, кто из них виноват в провале. Один агент - это контролируемый эксперимент. Вы можете наблюдать за каждым его действием, видеть, какие инструменты он вызывает, и быстро находить слабые места.
Вот что говорит Лорен: дайте агенту ясную работу и ясный результат. Потом посмотрите, где он испытывает трудности. Это и есть отправная точка для улучшения. Не пытайтесь объять необъятное.
Шаг 2: Встройте проверки и верификацию
Если вам приходится вручную проверять каждое действие агента, вы становитесь бутылочным горлышком. Лорен подчеркивает: агент должен сам тестировать, проверять и улучшать свою работу. Тогда он полезен.
Например, если агент пишет код, он должен сам запускать тесты, смотреть на ошибки и исправлять их. Если вы будете копировать скриншоты и консольные ошибки в чат, процесс превратится в ад. Встройте проверку в самого агента.
В выступлении Лорен есть момент: "Если у вас нет навыка верификации, вы сами становитесь верификатором. Вы - бутылочное горлышко". Она объясняет, как это замедляет работу. Агент что-то написал, вы открываете локальную сборку, видите, что не работает, копируете скриншот или ошибку, отправляете агенту. Он медленно исправляет. Это цикл, в котором вы участвуете каждую итерацию. Так быть не должно.
Решение - дать агенту инструменты для самопроверки. Пусть он сам запускает тесты, линтеры, проверяет формат. Тогда вы проверяете только конечный результат.
Шаг 3: Используйте циклы перед масштабированием
Сделай работу. Проверь. Улучши. Повтори. Этот цикл кажется простым, но именно он превращает агента из игрушки в инструмент. Лорен советует прогнать агента через несколько циклов, прежде чем добавлять новых.
Когда агент научится сам исправлять свои ошибки, можно думать о масштабировании. Циклы - это способ натренировать агента на ваших задачах. Каждый цикл делает его точнее.
Важно не перескакивать этот этап. Многие хотят сразу построить мультиагентную систему, но без циклов она развалится. Сначала один агент, который стабильно работает, потом следующий.
Шаг 4: Думайте о командах агентов
Когда один агент работает стабильно, начинайте думать о команде. Один исследует, один строит, один проверяет, один ревьюит. Это похоже на организацию человеческих команд, и это работает.
Лорен рассказывает, что в SpaceX AI у нее команда из 15+ агентов GrokBot: Chief of Staff агент, 3 менеджера и 11 рабочих агентов. Но она пришла к этому не сразу. Сначала был один агент, потом циклы, потом доверие.
Мультиагентные системы имеют смысл, когда работа естественно делится на разные ответственности. Добавлять агентов просто потому, что архитектура выглядит круче, - это создавать лишнюю координационную нагрузку. Подобное замечание часто встречается в комментариях к выступлению Лорен, и оно в точку.
Будьте активным водителем, а не пассивным наблюдателем
Лорен советует открывать каждый вызов инструментов, читать блоки размышлений агента, искать места, где он спотыкается. Это не значит, что вы проверяете каждую мелочь. Это значит, что вы понимаете, как агент принимает решения.
Когда вы видите, где агент ошибается, вы можете превратить эту ошибку в новый навык. Например, если агент неправильно форматирует даты, добавьте ему правило или дайте пример. Каждая ошибка - это топливо для улучшения.
В кейсе Cursor, о котором писали на Хабре, отмечается: "Лорен советует быть активным водителем, а не пассивным наблюдателем. Открывайте каждый вызов инструментов, читайте блоки размышления агента, ищите места, где он спотыкается, и превращайте каждое такое место в новый навык". Это ключевой навык для тех, кто собирает агентов.
Доверие и надежность
Ключевая проблема при работе с агентами - доверие. Когда вы не доверяете агенту, вы постоянно вовлечены в процесс. Лорен выстроила работу так, что просыпается и видит 20 уже объединенных пул-реквестов без личной проверки каждого. Это возможно только когда агент доказал свою надежность.
Доверие приходит через проверки и циклы. Сначала вы проверяете все, потом агент проверяет себя сам, потом вы проверяете только результат. И только после этого добавляете следующего агента.
Лорен считает, что доверие - это фундамент. Без него вы не сможете масштабироваться. Если вы не доверяете агенту, вы вынуждены постоянно вовлекаться в процесс и проверять каждое действие. Это убивает всю пользу от автоматизации.
Архитектура Dune: короткий путь - правильный путь
Для Grokbot Лорен создала архитектуру под названием Dune. Это не библиотека, а набор принципов. Главная идея: сделать самый короткий путь одновременно и самым правильным. Например, каждая функция помещается в свою директорию, и агенты знают, что для изменения конкретной функции нужно работать только в этой папке. Так агент не полезет в чужой код и не сломает соседний модуль.
Этот принцип применим не только к коду. Если вы собираете агента для работы с документами, дайте ему четкие границы: где лежат исходники, куда класть результат, какие форматы использовать. Чем меньше свободы, тем меньше хаоса.
Архитектура Dune - это способ организовать пространство так, чтобы у агента был один очевидный правильный путь. Тогда он не будет изобретать велосипед и совершать ошибки.
Как применить метод Лорен в бизнесе
Метод Лорен работает не только для программистов. Представьте, что вы собираете агента для отдела продаж. Начните с одного: пусть собирает список лидов из открытых источников. Дайте ему четкий формат результата. Встройте проверку: пусть сам проверяет, что email не битый, а компания существует. Прогоните через циклы, пока он не перестанет ошибаться. Потом добавьте второго - для первичного контакта. И так далее.
Главное - не пытаться объять необъятное. Один агент, проверка, цикл, доверие, следующий агент. Этот принцип универсален. Он подходит для маркетинга, поддержки, аналитики и любой другой сферы, где есть повторяющиеся задачи.
Для таких экспериментов нужны хорошие модели. В России доступ к флагманским нейросетям - это отдельный квест. Но есть решение: сервис 3GPT от 3SELLER. Он дает прямой доступ из России к последним моделям: Chat GPT 6 Astra, Claude Fable 5, Claude Opus 5.5, Chat GPT 5.5 и другим. Цена - от 149 рублей, оплата российской картой, через СБП или криптой. Такой подход удобен, когда вы собираете своих агентов и хотите, чтобы они работали на самых мощных моделях.
Официальный сайт: https://3seller.com/3gpt
Кстати, у 3GPT есть еще фишка - готовые ИИ-агенты под ваши задачи. Выбираете агента, начинаете с ним общаться, модель можно менять прямо в чате. Это отличный способ посмотреть, как разные модели справляются с одной задачей, прежде чем собирать своего агента.
Посмотрите на готовых агентов: https://3seller.com/ai/agents
Интерфейс 3GPT выглядит так:
Пример готового агента:
Практические советы для старта
Если вы серьезно решили собирать ИИ-агентов, начните с малого. Возьмите одну задачу, одного агента, встройте проверки. И дайте ему хорошую модель. Без этого все советы Лорен Тан останутся просто словами.
Не пытайтесь сразу автоматизировать все. Выберите один процесс, который отнимает у вас больше всего времени. Соберите агента для него. Прогоните через циклы. Добейтесь надежности. Потом переходите к следующему.
Помните: доверие к агенту строится постепенно. Не доверяйте на слово. Проверяйте, пока агент не докажет, что может работать сам. И только потом масштабируйтесь.
Получить доступ ко всем флагманским моделям нейросетей из России можно на официальном сайте 3GPT: https://3seller.com/3gpt