Всем привет

Всем привет. Уже третий день заканчиваю финальный урок курса, который, по сути, ничему не учит. Этот урок объясняет, что делать дальше? То есть, на этом бесплатном курсе мы освоили какой-то базис, который можно использовать в рамках ChatGPT, имеется в виду кастомные GPT-проекты и всё такое. Мы уже поработали с промптами, и на самом деле многое можно делать, но возникает вопрос: что дальше?

Чтобы ответить на этот вопрос, сначала нужно понять, зачем это всё? Люди мыслят именно так: если вы начинаете говорить о какой-то штуке, сразу возникает вопрос — а зачем она мне? Соответственно, много времени уходит на анализ различных задач.

Некоторые задачи можно легко выполнять в обычном диалоге, а для некоторых уже нужны проекты, кастомные GPT и так далее.

А вот агент — это нечто совершенно другое. Это уже не одна задача, а целая цепочка, которая может быть сложной и комплексной. Когда уже недостаточно задачу на исследование в режиме Deep Research.

Во-первых, появляется цепочка задач, которые невозможно решить в одном запросе.

Во-вторых, задачи становятся всё сложнее.

Если взять аналогию с обычным наёмным сотрудником, то есть должность, функции и задачи. Задача — это что-то простое, функция — более сложная, процесс — ещё сложнее, и так далее. Любая должность описывается должностной инструкцией.

Примерно так же и здесь: простые задачи может выполнять чат-бот вроде

ChatGPT, более сложные — кастомные GPT, а ещё более сложные — это уже функции. Когда всё усложняется, появляется чёткая грань, где нужен

агент. Это происходит, когда есть последовательность задач, много операций, и сложность постепенно нарастает.

Сначала операции могут быть рутинными, которые выполняет алгоритм. Но постепенно в некоторых функциях появляется неопределённость. Вы уже не можете просто сказать исполнителю: "Делай так", потому что ситуация может быть разной.

В таких случаях нужно давать исполнителю руководство: как решать определённые ситуации, какие решения принимать, на основе каких критериев. Чем больше задач в процессе (не 2-3, а 10-20-50-100), чем больше неопределённости, тем сложнее становится агент.

Иногда нужно дополнительно искать информацию, которую вы не можете сразу предоставить.

Сейчас я сфокусирован на том, чтобы проиллюстрировать разные типы задач, чтобы было понятно, какой агент может их решать и как его

создавать. Это важно для следующего курса, где всё будет объясняться на практике. Почему я уделяю этому столько внимания?

Потому что многие люди смотрят на всё это слишком теоретически, им

непонятно. Но когда начинаешь рассматривать задачи с позиции знакомых примеров, у людей появляется понимание.

Например, примитивные задачи — это автоматизация переписки по электронной почте. Искусственный интеллект читает письма, отправляет ненужные в спам, удаляет лишнее, отвечает на простые письма, выделяет те, которые требуют вашего внимания. Это роль секретаря — довольно простой уровень.

Более сложный уровень — взять функцию маркетолога. Может ли агент полностью выполнять эту функцию, чтобы участие человека было минимальным?

Или, например, функции директора департамента или вице-президента компании.

На самом деле, все эти задачи и функции может выполнять искусственный интеллект даже сейчас. Просто структура и архитектура агента будут сложнее.

Когда мы видим набор задач, мы можем выбрать, какая из них для нас актуальна, какую хотим решить с помощью ИИ, и какой агент для этого нужен.

Особенно это важно для тех, кто начинает с нуля, не зная программирования. Во многих случаях программирование вообще не нужно — всё можно собрать из готовых блоков, это относительно

несложно.

Сейчас я всё это структурирую. Если всё пойдёт нормально, то сегодня к вечеру, хотя, скорее всего, завтра, я открою доступ. Я обещал сделать это завтра, и, думаю, так будет надёжнее.

Моя цель — чтобы у вас был ясный ответ на вопрос: зачем вам это нужно, как это может кардинально изменить вашу жизнь, что для этого нужно сделать, какого агента построить?