Зачем я разделил AI-агентов по ролям: один чат быстро начинает мешать

Я долго использовал AI-агента как обычный чат.

Спросил, получил ответ, пошёл дальше. Для разовой задачи этого хватает. Можно быстро разложить мысль, найти ошибку в тексте, собрать список вопросов, проверить формулировку.

Проблемы начинаются, когда задача повторяется.

Например, нужно подготовить публичный текст. Тут мало получить черновик. Нужно понять, на кого он рассчитан, какие факты можно использовать, где риск по приватности, где техническое утверждение, что можно публиковать, а что лучше оставить внутри.

Один чат начинает мешать. В нём лежит всё сразу: стратегия, стиль, факты, личные детали, ограничения, технические проверки, черновики. Через какое-то время уже непонятно, на что агент опирался и кто проверил результат.

Я начал разделять такие задачи по ролям.

Как это устроено у меня

В Hermes Agent у меня есть отдельные профили под разные классы задач.

Один профиль помогает разложить задачу и понять, кому её отдать. Другой собирает источники. Третий смотрит маркетинговый угол. Четвёртый проверяет технические формулировки. Отдельно есть профиль для публичных рисков. Отдельно SMM, который собирает текст под площадку.

Названия ролей не так важны. Важно, что контекст не смешивается в одну кучу.

Примерно так:

Диспетчер Что делает: понимает, кому отдать задачу и где нужен approval. Где граница: не принимает публичные решения за меня.

Исследование Что делает: собирает публичные источники. Где граница: не лезет в приватные материалы без разрешения.

Маркетинговый угол Что делает: проверяет аудиторию, боль и обещание. Где граница: не придумывает цифры, ROI и офферы без источника.

Техническая проверка Что делает: проверяет команды, версии и формулировки. Где граница: не даёт гарантию безопасности.

Публичные риски Что делает: ловит приватность и опасные обещания. Где граница: не заменяет юриста.

SMM Что делает: пишет текст под площадку. Где граница: не публикует без моего утверждения.

Визуалы Что делает: готовит обложки и брифы. Где граница: не берёт приватные скриншоты без редактуры.

Такой подход не делает систему умной саму по себе. Он просто убирает часть путаницы.

Когда техническая проверка, маркетинг, личные заметки и финальный текст лежат в одном чате, агент начинает сам решать, что из этого важнее. Мне это не подходит.

Мне нужно видеть проще:

- откуда взялся факт; - кто проверил техническую часть; - какие данные нельзя выносить наружу; - где агент должен остановиться; - что получилось на выходе; - где я должен принять решение сам.

Пример: эта статья

Эта статья тоже не делалась одним запросом.

Сначала я написал мысль: хочу рассказать, как у меня устроена работа с Hermes Agent и почему один чат перестал быть удобным.

Потом из этого сделали версию для Habr. Там больше инженерного смысла: архитектура, границы, проверки, роли.

После этого мы отдельно собрали skill под vc.ru. Посмотрели площадку, аудиторию, формат, риски промо, упаковку, стиль и то, как лучше подавать такие тексты.

Для vc.ru текст пришлось сдвинуть. Меньше инженерной плотности. Больше про то, что происходит у человека или команды, когда AI начинают использовать в рабочих задачах.

Финальный текст проходит два фильтра:

1. Сначала убирается нейронный тон, лишние связки и копирайтерские ходы. 2. Потом отдельно проверяется, не выглядит ли это как промо, опасное обещание или текст без личного опыта.

Публикация всё равно остаётся на мне. Агент может подготовить файл, но не должен сам нажимать кнопку.

Где это реально помогает

Публичный контент.

Раньше сырая мысль легко превращалась сразу в пост. Сейчас сначала проверяется угол, потом факты, потом стиль, потом риск публичных обещаний. Если в тексте есть техническое утверждение, оно идёт на отдельную проверку.

Исследование.

Отдельный профиль собирает источники и слабые сигналы. Он не приносит истину. Он приносит материал, который можно читать, сравнивать и отбрасывать.

Планирование.

Агент помогает не держать всё в голове: что начато, где затык, что нужно сделать сегодня, что можно отложить. Но личные заметки не должны автоматически попадать в публичные тексты.

Бытовые задачи.

Тут особенно легко перегнуть. Агент может помочь собрать вопросы врачу, список наблюдений по собаке, историю обслуживания машины или чеклист перед разговором со специалистом. Но он не ставит диагноз, не чинит машину и не заменяет ветеринара, психолога, юриста или механика.

Нормальная роль агента здесь простая: помочь подготовиться и не потерять контекст.

Где я себе не доверяю

С агентами легко начать верить интерфейсу.

Модель отвечает уверенно. Профиль называется серьёзно. Текст выглядит собранным. Кажется, что раз есть цепочка агентов, значит всё стало надёжно.

Нет.

Если источник плохой, агент будет опираться на плохой источник. Если память забита мусором, она начнёт мешать. Если у tools слишком широкие права, агент может полезть туда, куда его не звали. Если в задаче нет запретов, он будет угадывать.

Поэтому у меня есть несколько правил:

- публичные действия не происходят без approval; - приватные материалы не идут в публичные черновики без отдельного решения; - медицинские, юридические, психологические и похожие темы не подаются как замена специалисту; - технические утверждения не держатся только на уверенности модели; - если результат нельзя проверить, агент должен остановиться или пометить риск.

С чего я бы начинал

Я бы не начинал с большой схемы агентов.

Сначала лучше взять одну повторяющуюся задачу, которая уже раздражает.

Например:

- подготовка публичного текста из сырой мысли; - проверка технического утверждения перед публикацией; - сбор источников по теме; - еженедельный обзор задач; - подготовка вопросов к специалисту; - чеклист для бытовой рутины.

Дальше нужно описать простые вещи:

1. Что должно получиться на выходе. 2. Какие источники можно использовать. 3. Что агенту запрещено делать. 4. Где он должен остановиться и попросить approval. 5. Как выглядит итоговый отчёт. 6. Кто проверяет результат.

Если одна задача начала работать, тогда можно думать о разделении ролей.

Если задачи ещё нет, роли не спасут. Будет схема, которая выглядит умно, но не помогает в работе.

Что в итоге

Hermes Agent стал полезен для меня не потому, что модель хорошо пишет.

Польза появилась, когда вокруг модели появился порядок: роль, источник, память, skill, инструмент, карточка задачи, отчёт, проверка и человеческое решение.

Система всё равно ошибается. Разница в том, что ошибку проще заметить. Есть источник, граница, отчёт и место проверки.

Для меня это и стало главным отличием агентского контура от одного чата, куда мы складываем задачи, личные данные и надежду, что модель сама разберётся.

Если хотите продолжить тему, я разбираю такие вещи в нескольких местах:

Telegram SPRUT_AI: https://t.me/Sprut_AI
YouTube: https://www.youtube.com/@ALEKSEIULIANOV
GitHub Hermes Agent: https://github.com/NousResearch/hermes-agent

Если вы уже пробовали AI-агентов в работе, интересно, где у вас ломается процесс: память, tools, права, проверка, маршрутизация задач или момент, где человек должен сказать стоп?