Подходы к построению ИИ-решений

При создании ИИ-систем — цифровых ассистентов, инструментов автоматизации или умных интерфейсов — применяют несколько архитектурных подходов. Каждый из них подходит для определенного типа задач:

• Workflow (рабочий процесс) — линейная, заранее определенная последовательность действий, как в классических чат-ботах.
• Агентский подход — логика на базе LLM, которая позволяет адаптироваться к контексту и вызывать внешние инструменты.
• MAS (Multi-Agent System) — система из нескольких агентов, объединенных в общую структуру для решения сложных задач.

Пример задачи: Пользователь хочет проанализировать договор и получить краткое резюме с ключевыми условиями. Система должна извлечь из документа важную информацию (стороны, сроки, суммы), проверить ее на корректность и сформировать структурированный отчет.

Рассмотрим, как эта задача решается разными подходами.

Workflow подход

Решение через workflow:

1. Пользователь загружает файл → проверка формата (только PDF или DOCX).
2. Если формат правильный → извлечение текста.
3. Поиск ключевых слов: «стороны», «сумма», «срок».
4. Заполнение фиксированного шаблона отчета.
5. Отправка результата пользователю.

Workflow работает по жесткому алгоритму: каждый шаг выполняется последовательно, без возможности адаптации к содержимому документа.

Агентский подход

Что такое агент

Агент — это полноценный автономный исполнитель на базе языковой модели (LLM). У агента есть своя цель, логика и набор инструментов. Он не требует жестко заданной цепочки действий, а сам решает, какие шаги предпринять для достижения цели.

Агент может:

• самостоятельно понимать запрос пользователя;
• определять, какие действия необходимо выполнить;
• вызывать внешние инструменты (функции, API, парсеры);
• уточнять у пользователя детали;
• адаптироваться к различным ситуациям и контексту;
• возвращать осмысленный результат.

Пример реализации агента вы можете увидеть в Быстром старте, а подробную настройку — в документации по блоку «Агент».

Компоненты агента

Компонент	Назначение
LLM (модель)	«Мозг» агента: интерпретирует запросы и принимает решения.
Промт	Определяет роль агента, стиль ответов и правила работы.
Инструменты (tools)	Функции, которые агент может использовать для взаимодействия с системами, которые делают то, на что LLM не способна самостоятельно: API-запросы, поиск в базах данных, обработка файлов.

Отличия от workflow

Workflow (рабочий процесс) — это заранее определенная последовательность действий и условий, где каждый шаг четко регламентирован. В workflow-системах логика работы описывается через схемы типа «если условие X, то выполнить действие Y», что обеспечивает предсказуемость, но ограничивает гибкость.

Характеристика	Workflow	Агент
Определение действий	Заранее заданная последовательность: «если А, то Б».	Самостоятельно определяет необходимые действия.
Предсказуемость	Высокая — при одинаковых условиях результат всегда одинаковый.	Адаптивная — результат зависит от контекста.
Отладка	Простая — четкие правила и логика.	Сложнее — требует анализа решений модели.
Гибкость	Низкая — плохо справляется с неопределенностью.	Высокая — адаптируется к различным ситуациям.
Понимание запросов	Заранее определенные категории (интенты или друга логика).	Контекстуальная интерпретация.
Последовательность действий	Фиксированная.	Динамическая, в зависимости от задачи.

Агентский подход особенно полезен, когда:

• запросы пользователя разнообразны;
• логика зависит от входных данных;
• существуют разные пути решения задачи;
• невозможно заранее описать все сценарии.

примечание

На практике агент часто встраивается в workflow. Workflow управляет общим процессом, а агент используется на интеллектуальных этапах: анализ, генерация, поиск.

Рекомендации по настройке агента

При создании агента определите три ключевых аспекта:

Поле	Назначение	Принцип	Пример
Роль	Профессия или специализация агента.	Конкретность, не общие термины.	Аналитик договоров.
Цель	Конкретная задача, которую выполняет агент.	Измеримость, четкие границы.	Извлечь из договора: стороны, сроки, суммы, риски. Вернуть структурированный JSON.
Инструкции	Правила работы, стиль общения, ограничения.	Структурированность, примеры.	Процесс работы, формат ответа, ограничения (пример хорошей инструкции смотрите ниже).

Структура эффективных инструкций:

1. Процесс работы — пошаговый алгоритм действий.
2. Стиль общения — тон и манера ответов.
3. Формат ответа — как структурировать результат.
4. Ограничения — что агент не должен делать.

Пример:

Роль: Аналитик договоров
Цель: Проверь, соответствует ли документ стандартам

Инструкции:
ПРОЦЕСС:
- Изучи документ полностью
- Извлеки ключевую информацию (стороны, сроки, суммы)
- Проверь соответствие стандартам компании

ОТВЕТ:
- Краткое резюме
- Список ключевых условий
- Выявленные риски

ОГРАНИЧЕНИЯ:
- Не давай юридических советов
- При сомнениях рекомендуй специалиста

Создание инструментов для агента

Принципы хороших инструментов:

Принцип	Описание	Пример
Атомарность	Один инструмент = одна цель	Поиск документов вместо Поиск документа и рисование картинок в нем
Понятное название	Название отражает действие	Извлечь данные из PDF
Четкое описание	Агент понимает, что делает инструмент	Ищет документы по ключевым словам в базе данных

Рекомендации по описанию инструментов:

• Начинайте с глагола: Извлекает, Анализирует, Отправляет.
• Указывайте источник данных: из базы, из файла, через API.
• Поясняйте формат результата: возвращает список документов, создает отчет в PDF.
• Отмечайте ограничения: работает только с текстовыми файлами.

Пример хорошего описания:

Название: Поиск договоров
Описание: Ищет договоры в корпоративной базе по названию компании,
номеру договора или дате. Возвращает список найденных документов
с основной информацией. Поддерживает только активные договоры.

Частые ошибки:

• Неясные описания инструментов: обрабатывает данные, работает с файлами.
• Отсутствие ограничений: не указано, с какими форматами работает инструмент.
• Противоречивые инструкции: будь кратким + объясняй подробно.

Пример агента

Решение через агента:

Агент анализирует тот же договор, но адаптируется к его содержимому:

1. Получает документ любого формата (PDF, DOCX, изображение).
2. Самостоятельно определяет тип договора (поставка, аренда, услуги).
3. Извлекает релевантную информацию в зависимости от типа.
4. Проверяет логическую согласованность данных.
5. Формирует отчет в подходящем формате.

Агент самостоятельно:

• выбирает подходящий инструмент для извлечения текста.
• определяет, какая информация важна для данного типа договора.
• решает, нужна ли дополнительная проверка данных.
• адаптирует формат отчета под сложность договора.

Мультиагентная система (MAS)

Что такое MAS

Мультиагентная система (MAS) — это архитектура, в которой несколько агентов работают совместно, каждый выполняя свою задачу. Подробнее о создании мультиагентного процесса вы можете прочитать в документации.

Вместо одного универсального агента создается несколько специализированных. Например:

• один анализирует документы;
• другой извлекает информацию;
• третий формирует документ по шаблону;
• четвертый отправляет результат.

Преимущества:

• Упрощение разработки — каждый агент отвечает за свою задачу.
• Гибкость — изменения можно вносить точечно в конкретного агента.
• Масштабируемость — систему легко расширять, добавляя новых агентов.
• Повторное использование — агентов можно применять в других сценариях.

Почему не один универсальный агент

Может показаться, что проще создать одного агента с объемной инструкцией. Этот подход работает для простых задач, но в сложных сценариях он неэффективен. Если логика разветвленная, инструкции противоречат друг другу или нужно подключать новых исполнителей, универсальный агент начинает работать нестабильно:

• появляются «галлюцинации»;
• ошибки сложно диагностировать;
• инструкция становится слишком объемной и противоречивой.

Сравнение: один агент vs. MAS

	Один агент	MAS
Логика	Общая, в рамках одного промта.	Разделена между отдельными агентами.
Поддержка	Усложняется при росте требований.	Легче изменять отдельных агентов.
Масштабируемость	Ограничена размером промта.	Легко добавить нового агента.
Переиспользуемость	Низкая.	Высокая.
Надежность	Зависит от одной модели.	Ошибка локализуется в рамках одного агента.

Как устроена MAS

Координация агентов обычно происходит через workflow или специального агента-оркестратора, который управляет остальными.

Когда использовать MAS

Использовать MAS, если:

• У задачи много этапов с разной логикой.
• Требуются разные навыки (поиск, генерация, разметка).
• Сценарий может меняться или расширяться.
• Разные специалисты могут разрабатывать отдельных агентов.

Не использовать MAS, если:

• Один агент хорошо справляется с задачей.
• Нет жестких требований к масштабированию.
• Процесс достаточно однообразный и не требует экспертизы в разных областях.

примечание

Важно выбирать MAS только когда это действительно нужно. Если задача простая, один агент будет эффективнее и проще в поддержке.

Пример MAS

Решение через MAS:

Для анализа договора создается команда из трех специализированных агентов:

1. Агент извлечения — обрабатывает файл и извлекает текст.
2. Агент анализа рисков — ищет проблемные пункты и юридические риски.
3. Агент анализа финансов — проверяет суммы, валюты и условия оплаты.

Роль оркестратора:

• Координирует работу агентов (сначала извлечение, затем параллельный анализ).
• Решает, какие агенты нужны в зависимости от типа договора.
• Объединяет результаты всех агентов в единый отчет.
• При обнаружении противоречий запрашивает повторный анализ.

Например, если агент рисков находит проблему с суммой, оркестратор может попросить агента финансов дополнительно проверить именно этот пункт.

Сравнение подходов на примере

Сравним все подходы на примере задачи по обработке документов.

Аспект	Workflow	Агент	MAS
Гибкость к формату	Только PDF/DOCX	Любой формат, поддерживаемый платформой	Любой формат, поддерживаемый платформой
Адаптация к типу договора	Одинаково для всех	Универсальный подход	Специализированные агенты под тип
Параллельная обработка	Последовательная	Нет	Да (аналитики работают одновременно)
Обработка неясностей в тексте	Пропускает или выдает ошибку	Пытается интерпретировать самостоятельно	Привлекает нужного эксперта
Разрешение противоречий	Не предусмотрено	Ограниченное	Оркестратор координирует решение
Сложность внедрения	Простая	Средняя	Высокая
Качество анализа	Базовое	Хорошее	Экспертное (каждый агент — специалист)
Масштабируемость	Ограниченная	Хорошая	Отличная (легко добавить экспертов)

Вывод: Выбор подхода зависит от требований к качеству, разнообразия задач и ресурсов на разработку.