Ambarish Majumdar из Meta*, сотрудничающий с отделом маркетинга, считает, что компаниям стоит сосредоточиться на подготовке навыков (skills), которые смогут использовать AI-агенты, а не сразу браться за создание сложных агентских систем.
Суть подхода в том, чтобы сначала разработать отдельные навыки, каждый из которых заточен под конкретную задачу — например, поиск информации, классификацию запросов или проверку результатов. Эти навыки должны иметь чёткие входные данные и ожидаемый результат, а их вывод должен быть совместим с другими навыками — по сути, они должны напоминать API.
Например, в сфере клиентского сервиса один навык может идентифицировать проблему клиента, другой — искать данные об аккаунте, третий — предлагать решение, четвёртый — проверять его на соответствие политике компании. Навыки не требуют прямого участия AI-агента: их достаточно связать через координационный слой.
Координационный слой играет ключевую роль: он анализирует промежуточные результаты и решает, что делать дальше — вызвать другой навык, повторить попытку, запросить у пользователя дополнительные данные или провести дополнительную проверку. Такой подход близок к работе AI-агентов.
Anthropic ранее описывал модель «координатор-исполнитель»: центральный AI-модель разбивает задачу на подзадачи, распределяет их, а затем объединяет результаты. Этот принцип применим и к навыкам — небольшие, повторно используемые навыки способны поддерживать разные рабочие процессы.
Majumdar предостерегает от перегрузки контекста: даже если модель поддерживает большой контекст, не нужно передавать навыку всю доступную информацию. Лишние данные тратят токены, увеличивают задержки и усложняют работу модели. Вместо этого координационный слой может передавать навыкам сжатые сводки или структурированное состояние, а не полные истории взаимодействий.
Также важно разделять в системе три компонента:
- инструкции (что должен сделать навык);
- состояние (что уже произошло в рабочем процессе);
- знания (внешняя информация, необходимая для выполнения задачи).
Такой подход упростит поддержку и отладку системы: знания можно будет менять без переделки навыков, а каждый навык — оценивать отдельно.
Majumdar подчёркивает: вместо того чтобы сразу создавать AI-агентов, компаниям стоит сначала понять, какие именно способности нужны для рабочих процессов. Некоторые задачи можно решать с помощью фиксированных рабочих процессов, другие требуют участия модели в принятии решений, а задачи, где нужна максимальная автономия модели, встречаются редко. Цель — выстроить надёжные AI-способности, которые при необходимости можно объединить в сложные, но эффективные системы.
* Meta Platforms Inc. признана экстремистской организацией, её деятельность запрещена на территории РФ.
Подписаться в Макс
