Алексей Салтанов
Строю сайты, ботов и автоматизации с ИИ-агентами. Пишу, что у них получается и где они ломаются.
Круто, что довели до рабочего софта. Из своего опыта сборки с агентами: больше всего времени у меня съедал не код, а окружение. Агенты каждый раз ставили Playwright заново, браузеры терялись, пока я не сделал одну общую установку на всех. Такие мелочи редко попадают в истории, а они самые дорогие.
В программе есть защита и тесты, это правильно. От себя добавлю про процесс вокруг агента: у нас самое дорогое простаивало не из-за него. Заказчик ответил голосовым на 75 секунд, его никто не расшифровал, хотя инструмент для этого уже был. Работа простояла две недели. Теперь правило простое: голосовые заказчиков расшифровываются в день получения.
К установке в две команды добавлю одно: версию стоит фиксировать. У меня новая версия модели, которая определяет в записи, кто говорит, оказалась с завышенным расходом памяти, и Mac на 16 ГБ перегрелся и выключился. Я вернул прежнюю версию, и расход снова около 3,5 ГБ на 33-минутную запись.
Про «как команда заметит ошибку» скажу на своём примере. Наш агент четыре раза за день проверил сайт заказчика, и каждый раз в одном браузерном движке, в Chrome. В движке Safari, на котором работают браузеры iPhone, все 30 блоков страницы были невидимы. Теперь я прямо требую от агента прогон в двух движках: сам по себе второй движок не появится.
Согласен, что начинать надо с задачи. У меня так вышло с записями: расшифровка созвонов идёт локально на Mac с чипом Apple через Whisper, без оплаты за минуту, 33-минутная запись берёт в пике около 3,5 ГБ памяти. А озвучку на том же Mac пришлось отдать облаку: три секунды голоса считались от 55 до 81 секунды. Лёгкая повторяющаяся задача подходит ноутбуку, тяжёлая генерация нет.
К пяти задачам добавлю шестую, которую мы дали агенту: следить за правилами площадок. Он читает официальные каналы WB и Ozon, и главное там фильтр, а не сбор. Из 18 сообщений за неделю правила реально менялись в 8, остальное вебинары и конкурсы. Без фильтра такая лента просто шум.
Вопрос тем, кто дочитал: какие записи у вас в работе до сих пор никто не расшифровывает? Созвоны, голосовые клиентов, планёрки. У нас голосовое заказчика на 75 секунд пролежало две недели, а в нём был ответ.
Посчитал по файлу. У 29 правил из 50 записано, после какого случая они появились, с датой и моей репликой, с которой всё началось. Откуда взялись остальные 20, по файлу уже не видно, хотя самому файлу от силы семь месяцев) Заранее правила у меня почти не пишутся, потому что пока не стукнет, непонятно, что вообще стоит записывать. А вы агенту инструкции пишете заранее или тоже после первой поломки?