Поиск по Практикуму

От двух букв · ↑↓ выбрать · Enter открыть · Esc закрыть

Введите минимум две буквы.

Простые агенты: для себя и в работе

Живая страница Практикума. Проверено: 2026-08-18. Агенты и доступность меняются ежемесячно — смотрите дату. Том 1 (личный/специалистский угол) — ниже сразу. Том 2 (бизнес: платформы, последовательность внедрения) — в конце страницы.

Агент — это ИИ, который не просто отвечает, а сам выполняет шаги: ищет, заполняет, отправляет, сводит. Для Тома 1 угол простой: один агент под вашу задачу и один для личной жизни — не строим «компанию на агентах».

🇷🇺 Доступные из РФ

Инструмент Зачем Доступ
Агенты на GigaChat (Сбер) сценарии под задачу, под РФ-законодательство из РФ, РФ-карта
YandexGPT 5.1 / Yandex AI Studio ассистенты и автоматизация в экосистеме Яндекса из РФ
n8n (self-host) и RU no-code связать почту/таблицы/мессенджеры в цепочку без кода из РФ

🌍 Глобальные (доступ через ограничения/агрегаторы)

Инструмент Зачем
Gemini Spark (Google) личный агент для многошаговых задач и подключённых приложений; доступ зависит от страны и тарифа
ChatGPT Work / облачный браузер многошаговые задачи, ресёрч и действия в браузере; прежний agent mode больше не доступен как отдельный режим
Zapier / n8n агенты рабочие цепочки между приложениями
Hermes Agent (Nous Research) self-host-рантайм: помнит ваши проекты и сам дописывает себе многоразовые навыки; открытая лицензия MIT, запуск 25 февраля 2026 года. Нужен свой сервер и готовность разбираться

Продвинутый референс (для тех, кто хочет глубже)

Отдельный класс — автономные агенты как рантайм (Hermes Agent, OpenClaw): self-host, постоянная память, петля «правка → навык», архитектура и связь с харнессом главы 6 — на отдельной странице Автономные агенты: рантаймы и фреймворки. Из двух автор предпочитает Hermes как более простой вход — см. авторский стек. Оба — для тех, кто готов разбираться; массовому читателю хватит встроенных ассистентов выше.

Одну оговорку по безопасности стоит унести с собой. Агент, который постоянно включён и читает входящие сообщения, — это новая поверхность атаки. В 2026 году вышли исследования про prompt injection (подмену инструкций через входящий текст), который оседает в собственной памяти агента и переживает перезапуск. Практический вывод простой: давайте агенту самый узкий доступ, при котором он всё ещё способен доделать задачу.

С чего начать (личный угол)

  • Для работы: возьмите один раздражающий повторяющийся цикл (разбор почты, сводка к утру) и доведите один агент под него. Проверяйте результат — «покажи, на чём основан вывод».
  • Для себя: personal/ai-for-life.md — агент для расписания, поездок, бытовых задач.

⚠️ Дисциплина: агенту нужны границы и проверка. Не давайте доступ к чувствительному без понимания, что и куда уходит. Один цикл, доведённый и проверенный, лучше «автоматизирую всю жизнь».

Правила обновления: ежемесячно, устаревшее помечать. Версия: 2026-08-18.

Агентные платформы: с чего начинают компании (Том 2)

Личный угол — выше. Здесь: что выглядит как платформа для команды и как обычно устроено внедрение в компании. Подробнее — Том 2, гл. 3 «Команда с агентами» (Agent Contract, harness, least privilege).

Из чего состоит агентная платформа

Современная агентная платформа — не один инструмент, а набор слоёв. Пример RU-стека — Yandex AI Studio:

Слой Для чего Компонент
Сборка агентов визуальный конструктор + код Agent Atelier
Инструменты / интеграции маркетплейс коннекторов по стандарту MCP MCP Hub
Выполнение кода sandbox для скриптов внутри агента Code Interpreter
Поиск по документам RAG по корпоративной базе File Search
Поиск в интернете real-time веб-поиск Web Search
Выбор модели несколько LLM на выбор под задачу Model Gallery
Стриминг низколатентный голос/чат Realtime API

Тот же набор слоёв — у глобальных платформ (Amazon Bedrock, Azure AI Foundry, Google Vertex AI Agents). Названия разные, структура одна: сборщик + инструменты + память/поиск + модели + исполнение.

Принцип «данные внутри — вычисления снаружи»: чувствительные данные остаются в вашем контуре (on-prem или закрытый cloud), тяжёлая математика берётся из платформы по API. Это же — основа минимума прав (least privilege) для агентных команд.

Сначала — честный масштаб

Прежде чем копировать чью-то последовательность внедрения, посмотрите, как мало компаний реально довели её до конца. По опросу McKinsey «The state of AI» (опубликован 5 ноября 2025 года) 88% организаций регулярно используют ИИ хотя бы в одной функции и 62% как минимум экспериментируют с агентами, но масштабируют агентную систему хоть где-то только 23%, а внутри одной конкретной функции — не больше 10%. Gartner ожидает, что больше 40% агентных проектов закроют до 2027 года: непонятный возврат на вложения, растущая стоимость и слабый контроль рисков.

Это не повод не начинать, а рабочая инструкция. Разрыв между «попробовали» и «масштабировали» — то место, где сгорают деньги, и последовательность ниже собрана как раз для того, чтобы его пройти.

Типичная последовательность внедрения в компании

Паттерн, который повторяется у ритейла, сервисных компаний, финтеха — независимо от вендора:

Этап Что делается Горизонт Риск
1. Контентные победы суммаризация отзывов, черновики, FAQ 2–4 недели минимальный
2. Корпоративный RAG агент по внутренней базе знаний 1–2 мес. средний (качество чанков)
3. Поиск и рекомендации query-expansion, персонализация подборок 2–4 мес. средний
4. Сложный ML рекомендательные системы, предиктивная аналитика 6+ мес. высокий без данных

Правило последовательности: начинай с того, что даёт результат за две недели и не ломает ничего, если ошибётся. Сложный ML — после того как команда научилась работать с агентами и есть чем измерить outcome, а не только output.

Агент как участник команды: пример Claude Tag (2026)

Свежий датируемый пример того, куда идёт «команда с агентами»: в июне 2026 Anthropic поселил Claude прямо в рабочий мессенджер (Slack) — не как личного ассистента в отдельном окне, а как участника канала. Один агент на канал, общая память на всех, отдельные права и логи (видно, кто и что ему поручил), работает асинхронно. Внутренний сигнал: по разборам, около 65% кода продуктовой команды Anthropic пишет их внутренняя версия такого агента; воспринимайте это как вендорский claim, а не независимо проверенную метрику.

Что забрать (а не «поставить такое же»): ценность смещается к тому, кто держит контекст работы команды — словарь, решения, приоритеты, которые агент копит день за днём. Это тот же принцип, что в Томе 2, гл. 3: агент — участник с правами, границами и владельцем (Agent Contract), а «общая память и общий контур» становятся реальным рвом. Имена продуктов меняются — принцип нет.

⚠️ Конкретные кейсы с цифрами из вендорских презентаций — проверяйте источник: числа часто публично не верифицированы. Принцип последовательности — воспроизводится; конкретные цифры ROI — уточняйте в открытых отчётах.

Обновление раздела: по мере появления новых RU-кейсов с публичными источниками.

Источники (проверено 2026-08-18)

Где сверять (агентные способности и внедрение быстро меняются):

Проценты внедрения — только с отчётов (McKinsey/Gartner); вендорские демо — «claim вендора», не факт.

Простые агенты: для себя и в работе