По мотивам двух рассказов про нейросети за неделю я решил написать небольшое разъяснение, что такое агент, что такое воркфлоу и как их стоит разграничивать. Просто кажется, что мы, и я в том числе, начали всё смешивать в кучу.
➡️ Воркфлоу: порядок шагов прописываем мы, LLM исполняет.
➡️ Агент: мы даём цель и инструменты, модель сама решает что вызвать, в каком порядке и когда остановиться.
Если в твоём описании агента написано «сначала сделай структуру, потом черновик, потом проверь редполитику» и нейросеть просто выполняет шаги в этом порядке — это воркфлоу. Ты прописал поток, модель исполняет.
Если нейросеть сама решает: «мне не хватает данных, пойду поищу в базе знаний» или «структура слабая, переделаю перед тем как писать» — и ты это не прописывал явно — это агент. Модель управляет потоком сама.
На практике у тебя скорее всего получится гибрид, и это нормально. Но важно понимать, где именно проходит граница, потому что это определяет где искать баги и как управлять качеством.
И немного теории. Есть четыре воркфлоу-архитектуры:
1️⃣ Prompt Chaining — цепочка вызовов LLM, результат каждого шага передаётся в следующий. Между шагами gate: не прошёл валидацию — шаг перезапускается. Большинство моих агентов написаны в этом воркфлоу.
2️⃣ Routing — LLM классифицирует запрос один раз, код направляет к нужному обработчику. Одно решение, один раз — это ещё воркфлоу. Это то, что я реализую сейчас, чтобы не терять контекст. Подробнее вот тут.
3️⃣ Parallelization — два варианта. Sectioning: задача бьётся на независимые части, каждую обрабатывает отдельный LLM параллельно, агрегатор собирает. Voting: несколько LLM решают одну задачу независимо, побеждает большинство.
4️⃣ Evaluator-Optimizer — генератор создаёт, оценщик критикует, генератор переделывает. Цикл контролируется кодом. Больше 2–3 итераций не имеет смысла: контекст раздувается, модель путается в своих версиях.
Последние два воркфлоу я использую, например, для агентов редактуры и проверки редполитики.
И две агентские архитектуры:
1️⃣ ReAct (Reasoning + Acting) — базовая агентская архитектура. Цикл: Think (какой инструмент вызвать) → Act (инструмент выполняется) → Observe (результат в контекст, хватит или ещё шаг). Повторяется пока модель сама не решит что данных достаточно. Это работает под капотом когда Claude Code читает и правит файл.
2️⃣ Orchestrator-Workers — оркестратор разбивает задачу на части и раздаёт субагентам. Количество субагентов определяется динамически под конкретную задачу, не прописано в коде — в этом отличие от Parallelization. Каждый субагент — отдельный ReAct со своим контекстом.
Далее разберу подробнее воркфлоу-архитектуры. Там под капотом тоже интересно.
#ai_agents
📥 Инженер Контекста
Если в твоём описании агента написано «сначала сделай структуру, потом черновик, потом проверь редполитику» и нейросеть просто выполняет шаги в этом порядке — это воркфлоу. Ты прописал поток, модель исполняет.
Если нейросеть сама решает: «мне не хватает данных, пойду поищу в базе знаний» или «структура слабая, переделаю перед тем как писать» — и ты это не прописывал явно — это агент. Модель управляет потоком сама.
На практике у тебя скорее всего получится гибрид, и это нормально. Но важно понимать, где именно проходит граница, потому что это определяет где искать баги и как управлять качеством.
И немного теории. Есть четыре воркфлоу-архитектуры:
Последние два воркфлоу я использую, например, для агентов редактуры и проверки редполитики.
И две агентские архитектуры:
Далее разберу подробнее воркфлоу-архитектуры. Там под капотом тоже интересно.
#ai_agents
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
Инженер Контекста pinned «👁 Рубрикатор: ➡️ #ai — общие темы про ИИ. ➡️ #ai_news — новости ИИ. ➡️ #ai_agents — всё про разработку и использование агентов ➡️ #ai_plugin — плагины на ИИ ➡️ #ai_prompts — промты, простые и инженерные ➡️ #контентменеджерское — тут про редакцию и контент…»
Разберёмся в тёмной эре онлайна
Коллега по цеху, Андрей из MWS, написал интересную статью про кризис онлайн-маркетинга, очень рекомендую. Но я хочу разобрать именно выводы о новом дивном мире..
«В нём работает долгосрочное планирование»
Это утверждение звучит разумно, но сформулировано как совет без обоснования причины. Почему сейчас работает долгосрочное планирование, а раньше нет? Автор объясняет это «стабилизацией рынка» после бурного роста, но вся его же статья утверждает, что рынок нестабилен, непредсказуем и меняется быстро. Если рынок непредсказуем, то именно тогда долгосрочные стратегии наиболее уязвимы. Это противоречие внутри одного абзаца.
Практически совет «проверьте контент-стратегию» — это не вывод из анализа, это стандартная рекомендация, которая актуальна всегда и ни о чём конкретно не говорит.
«Простые и развлекательные форматы теряют эффективность»
Падение органического охвата в соцсетях, рост стоимости контакта, усталость аудитории — всё это фиксируется. Но тут же автор делает скачок: «присмотритесь к офлайн-форматам». Это логически не следует из предыдущего. Если развлекательный контент не работает — это не значит, что нужен офлайн. Это может означать, что нужен более глубокий онлайн-контент, экспертные материалы, образовательные форматы, подкасты. Офлайн — один из вариантов, а не единственный вывод. Да. рост офлайн-ивентов и HR-маркетинга — подтверждённый факт, хотя автор не учитывает инфляционную компоненту роста и начавшееся торможение рынка. Стоимость ивент-услуг выросла на 50–60%, а средний чек корпоративного мероприятия увеличился на 30–40%. Это означает, что часть «роста» рынка — чистая инфляция, а не увеличение числа мероприятий.
Кроме того, «учитывать усталость от цифровой среды» и одновременно «внедрять гиперперсонализацию с помощью ИИ» — это два совета, которые тянут в разные стороны.
«Больше не работают простые и директивные решения, каждая задача усложняется»
«Не повторяй чужие кейсы, думай своей головой» — эта рекомендация существует ровно столько, сколько существует маркетинг. Это не вывод из анализа трендов 2024–2026 годов, это общее место, которое было справедливо и в 2010-м, и в 2000-м. Никакой специфики момента здесь нет.
Более того, именно сейчас появились инструменты, которые действительно позволяют масштабировать работающие подходы: A/B-тесты, аналитика на основе ИИ, автоматическая персонализация. То есть игнорируется тот факт, что именно сейчас инструментарий для проверки гипотез стал доступнее, чем когда-либо.
«На пересыщенном технологическом рынке растёт важность гуманитарных компетенций»
Дефицит гуманитарных компетенций — тезис, прямо опровергаемый данными hh.ru, Минтруда и Банка России: дефицитны именно технические кадры, а гуманитарные специальности показывают растущую конкуренцию. Да, упоминания «деловых коммуникаций» в IT-резюме выросли на 119%, «дизайн-мышления» — на 110%. Однако, hh.ru прямо указывает: эти soft skills «не входят в число приоритетов большинства работодателей при найме» — работодатели охотятся за редкими hard skills.
Но есть и структурная проблема в самом утверждении. «Рынок пересыщен технологиями → нужны гуманитарии» — это умозаключение требует промежуточного шага, который автор пропускает. Почему пресыщение технологиями создаёт спрос именно на гуманитариев, а не, например, на специалистов по UX, product-менеджеров или data-аналитиков — людей с гибридными компетенциями? Бинарное противопоставление «технари vs гуманитарии» само по себе устарело как аналитическая рамка.
Все четыре вывода объединяет одна проблема: они не вытекают из анализа, но аксиомы, которые Андрей принёс с собой до написания статьи.
Но всё же статью рекомендую прочитать, гипотезы по отдельности очень интересны.
#контентменеджерское #habr
Коллега по цеху, Андрей из MWS, написал интересную статью про кризис онлайн-маркетинга, очень рекомендую. Но я хочу разобрать именно выводы о новом дивном мире..
«В нём работает долгосрочное планирование»
Это утверждение звучит разумно, но сформулировано как совет без обоснования причины. Почему сейчас работает долгосрочное планирование, а раньше нет? Автор объясняет это «стабилизацией рынка» после бурного роста, но вся его же статья утверждает, что рынок нестабилен, непредсказуем и меняется быстро. Если рынок непредсказуем, то именно тогда долгосрочные стратегии наиболее уязвимы. Это противоречие внутри одного абзаца.
Практически совет «проверьте контент-стратегию» — это не вывод из анализа, это стандартная рекомендация, которая актуальна всегда и ни о чём конкретно не говорит.
«Простые и развлекательные форматы теряют эффективность»
Падение органического охвата в соцсетях, рост стоимости контакта, усталость аудитории — всё это фиксируется. Но тут же автор делает скачок: «присмотритесь к офлайн-форматам». Это логически не следует из предыдущего. Если развлекательный контент не работает — это не значит, что нужен офлайн. Это может означать, что нужен более глубокий онлайн-контент, экспертные материалы, образовательные форматы, подкасты. Офлайн — один из вариантов, а не единственный вывод. Да. рост офлайн-ивентов и HR-маркетинга — подтверждённый факт, хотя автор не учитывает инфляционную компоненту роста и начавшееся торможение рынка. Стоимость ивент-услуг выросла на 50–60%, а средний чек корпоративного мероприятия увеличился на 30–40%. Это означает, что часть «роста» рынка — чистая инфляция, а не увеличение числа мероприятий.
Кроме того, «учитывать усталость от цифровой среды» и одновременно «внедрять гиперперсонализацию с помощью ИИ» — это два совета, которые тянут в разные стороны.
«Больше не работают простые и директивные решения, каждая задача усложняется»
«Не повторяй чужие кейсы, думай своей головой» — эта рекомендация существует ровно столько, сколько существует маркетинг. Это не вывод из анализа трендов 2024–2026 годов, это общее место, которое было справедливо и в 2010-м, и в 2000-м. Никакой специфики момента здесь нет.
Более того, именно сейчас появились инструменты, которые действительно позволяют масштабировать работающие подходы: A/B-тесты, аналитика на основе ИИ, автоматическая персонализация. То есть игнорируется тот факт, что именно сейчас инструментарий для проверки гипотез стал доступнее, чем когда-либо.
«На пересыщенном технологическом рынке растёт важность гуманитарных компетенций»
Дефицит гуманитарных компетенций — тезис, прямо опровергаемый данными hh.ru, Минтруда и Банка России: дефицитны именно технические кадры, а гуманитарные специальности показывают растущую конкуренцию. Да, упоминания «деловых коммуникаций» в IT-резюме выросли на 119%, «дизайн-мышления» — на 110%. Однако, hh.ru прямо указывает: эти soft skills «не входят в число приоритетов большинства работодателей при найме» — работодатели охотятся за редкими hard skills.
Но есть и структурная проблема в самом утверждении. «Рынок пересыщен технологиями → нужны гуманитарии» — это умозаключение требует промежуточного шага, который автор пропускает. Почему пресыщение технологиями создаёт спрос именно на гуманитариев, а не, например, на специалистов по UX, product-менеджеров или data-аналитиков — людей с гибридными компетенциями? Бинарное противопоставление «технари vs гуманитарии» само по себе устарело как аналитическая рамка.
Все четыре вывода объединяет одна проблема: они не вытекают из анализа, но аксиомы, которые Андрей принёс с собой до написания статьи.
Но всё же статью рекомендую прочитать, гипотезы по отдельности очень интересны.
#контентменеджерское #habr
👍2🤔2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
А вот так Copilot от Microsoft точно бы зашёл.
😁2🆒1
Поймал фидбек, что про агенты всё время рассказывать — это сложно. Так что пока новую историю про разделение на скиллы и правила отложу, а понедельник начнём с промпта.
Я постоянно читаю статьи и сохраняю в Obsidian саммари как источники для постов, базу знаний и способ не потерять полезное. Раньше просил Claude: «Прочитай статью, сделай саммари, сохрани ссылки». Работало неплохо, но часто получал пересказ структуры вместо сути. Недавно переписал промпт. Теперь он выглядит так:
Забирайте, дорабатывайте под себя.
#ai_prompts
Я постоянно читаю статьи и сохраняю в Obsidian саммари как источники для постов, базу знаний и способ не потерять полезное. Раньше просил Claude: «Прочитай статью, сделай саммари, сохрани ссылки». Работало неплохо, но часто получал пересказ структуры вместо сути. Недавно переписал промпт. Теперь он выглядит так:
Прочитай статью: [URL]
Верни:
1. Ссылка, источник, дата
2. Главный тезис — одно предложение
3. Ключевые факты и цифры
4. Неочевидная идея или спорный момент
5. Для чего можно использовать этот материал
6. Ссылки из статьи — только значимые (исследования, источники данных, упомянутые материалы), с кратким пояснением к каждой
Язык ответа — русский, даже если статья на другом языке.Не пересказывай структуру — вытащи смысл.
Забирайте, дорабатывайте под себя.
#ai_prompts
❤4🔥1
Forwarded from TechnoME: Multimediamind 🏴☠️
Nvidia: анонсирует апскейлер DLSS 5
Народ в интернетах:
1) орёт
2) возмущается и кэнселлит игры, которые это будут использовать (заранее)
Народ в интернетах:
1) орёт
2) возмущается и кэнселлит игры, которые это будут использовать (заранее)
😁2
Alibaba выпустила корпоративный ИИ-агент Wukong. Работает на Qwen, разработан командой DingTalk. Управляет несколькими агентами через единый интерфейс: редактирование документов, согласования, транскрипция встреч, ресёрч. Интеграция со Slack, Teams, WeChat в планах. Пока только по приглашениям.
Платформа позиционируется как инструмент с «корпоративной защитой данных» — это прямой ответ на главный страх enterprise-заказчика перед агентами: «а куда пойдут наши данные».
Всё это происходит в рамках большой реструктуризации. Alibaba собирает весь AI под новое подразделение Alibaba Token Hub — туда войдут Tongyi Lab, линейка Qwen, Wukong, и AI Innovation. Руководить будет лично CEO Эдди У. Формулировка в его меморандуме: «создавать токены, доставлять токены, применять токены». AGI как главная цель компании, обязательства по инвестициям — свыше $53 млрд.
Но вот что остаётся за скобками официальных анонсов.
4 марта Линь Цзуньян — главный технический лидер Qwen — написал в X: «bye my beloved qwen» и покинул компанию. Это стало третьим уходом старшего руководителя из команды Qwen в 2026 году. Линь — 32 года, самый молодой P10-руководитель в Alibaba. Пришёл в 2019 из Пекинского университета. За несколько лет превратил Qwen из побочного проекта в самую скачиваемую open-source LLM-серию в мире: 700 млн загрузок на Hugging Face, 400 открытых моделей, 180 000 дообученных производных от комьюнити.
Уход не добровольный в обычном смысле. Реструктуризация разбила вертикально интегрированную команду Линя на горизонтальные модули: отдельно pre-training, отдельно post-training, отдельно мультимодальность. Это уничтожило ту самую «стартаперскую» автономию, которая и позволяла Qwen двигаться быстрее конкурентов. Его коллеги описывали происходящее как «конец эпохи». Один из членов команды написал прямо: «Я знаю, что уйти было не твоим выбором».
Есть ещё один системный вопрос. Китайские ИИ-компании испытывают трудности с монетизацией: потребители неохотно платят за подписки, большинство моделей — open-source и бесплатны. Разрыв в выручке между ведущими китайскими разработчиками и такими компаниями как Anthropic — колоссальный.
Иными словами: Alibaba создала мощнейший open-source ИИ, чтобы выиграть гонку разработки — и теперь пытается конвертировать это в деньги через enterprise-агентов. Но команда, которая строила эту силу, разошлась. А монетизировать open-source в Китае не умеют.
Ждём квартальный отчёт Alibaba в четверг, там должны появиться первые цифры по AI-выручке. Вот где настоящий ответ на вопрос, работает ли эта стратегия.
#ai_news
Платформа позиционируется как инструмент с «корпоративной защитой данных» — это прямой ответ на главный страх enterprise-заказчика перед агентами: «а куда пойдут наши данные».
Всё это происходит в рамках большой реструктуризации. Alibaba собирает весь AI под новое подразделение Alibaba Token Hub — туда войдут Tongyi Lab, линейка Qwen, Wukong, и AI Innovation. Руководить будет лично CEO Эдди У. Формулировка в его меморандуме: «создавать токены, доставлять токены, применять токены». AGI как главная цель компании, обязательства по инвестициям — свыше $53 млрд.
Но вот что остаётся за скобками официальных анонсов.
4 марта Линь Цзуньян — главный технический лидер Qwen — написал в X: «bye my beloved qwen» и покинул компанию. Это стало третьим уходом старшего руководителя из команды Qwen в 2026 году. Линь — 32 года, самый молодой P10-руководитель в Alibaba. Пришёл в 2019 из Пекинского университета. За несколько лет превратил Qwen из побочного проекта в самую скачиваемую open-source LLM-серию в мире: 700 млн загрузок на Hugging Face, 400 открытых моделей, 180 000 дообученных производных от комьюнити.
Уход не добровольный в обычном смысле. Реструктуризация разбила вертикально интегрированную команду Линя на горизонтальные модули: отдельно pre-training, отдельно post-training, отдельно мультимодальность. Это уничтожило ту самую «стартаперскую» автономию, которая и позволяла Qwen двигаться быстрее конкурентов. Его коллеги описывали происходящее как «конец эпохи». Один из членов команды написал прямо: «Я знаю, что уйти было не твоим выбором».
Есть ещё один системный вопрос. Китайские ИИ-компании испытывают трудности с монетизацией: потребители неохотно платят за подписки, большинство моделей — open-source и бесплатны. Разрыв в выручке между ведущими китайскими разработчиками и такими компаниями как Anthropic — колоссальный.
Иными словами: Alibaba создала мощнейший open-source ИИ, чтобы выиграть гонку разработки — и теперь пытается конвертировать это в деньги через enterprise-агентов. Но команда, которая строила эту силу, разошлась. А монетизировать open-source в Китае не умеют.
Ждём квартальный отчёт Alibaba в четверг, там должны появиться первые цифры по AI-выручке. Вот где настоящий ответ на вопрос, работает ли эта стратегия.
#ai_news
👍2