AI.Dialogs

У клиента стояла задача: агент-консультант для бизнеса. Обрабатывать входящие запросы, отвечать на вопросы об услугах и кейсах, принимать заявки и записывать на консультацию — в автоматическом режиме, круглосуточно. Задача типичная. И именно потому, что типичная — мы разобрали её подробно. Потому что путь от "агент отвечает на тестовых вопросах" до "агент работает у реального клиента" — это дистанция, которую многие недооценивают. По ходу разработки стало понятно: разница между прототипом и системой — не в выборе языковой модели. В том, как выстроена вся цепочка: методология проектирования, структура промпта, архитектура поиска и — что особенно важно — способность измерить, насколько хорошо система работает. В третьей части серии про продакшн-реди агентов разбираем это на наглядном демонстрационном примере: — AI-driven методология в Cursor: идея → видение → соглашения → итерации — Системный промпт: 5 принципов от Anthropic и OpenAI с разбором каждого — Эволюция RAG: наивный → гибридный → Agentic RAG — с цифрами по метрикам — Полный цикл контроля качества: LangSmith и RAGAS Узнаёте задачу? Это не один конкретный проект — это путь, который проходит почти каждый, кто берётся строить агентов всерьёз. Смотрите на Дзен. Предыдущие части серии: Часть 1 • Часть 2 Если хотите узнать про наш продакшн опыт и личные взгляды — вебинар 11–12 марта: forms.yandex.ru/...378 Пишите «АГЕНТ» в @smirnoff_ai — покажем, как пройти этот путь без лишних ошибок. Все наши курсы по ИИ тут: llmstart.ru/...mbo

Крупнейшие технологические компании одновременно переориентируют свои продукты, API и инструменты на AI-агентов. Это не разрозненные новости — это системный сдвиг парадигмы: от «AI как чат-ассистент» к «AI-агент как полноправный участник рабочего процесса» — или даже полноценный сотрудник. Google Workspace CLI 🔧 — один CLI для Drive, Gmail, Calendar, Sheets, Docs. Репозиторий содержит 100+ Agent Skills — файлы skill.md с инструкциями специально для агентов, а не для людей. Встроенный MCP-сервер, защита от prompt injection через --sanitize. Официальная формулировка: «built for humans and AI agents». OpenAI Symphony 🎼 — система для координации работы нескольких ИИ-агентов при выполнении разных задач: тикет в Linear → изолированный sandbox → Codex выполняет задачу → pull request. Open-source фреймворк — команда управляет работой, а не надзирает за каждым шагом агента. Google Chrome WebMCP 🌐 — новый браузерный API , позволяющий сайтам явно объявлять структурированные действия для агентов: бронирование, оформление заказа, создание тикета. Агент взаимодействует через явный контракт, а не через работу с DOM. Stripe + OpenAI Agentic Commerce Protocol 💳 — открытый стандарт для покупок через агентов, уже работает в ChatGPT. Stripe позиционирует себя как «экономическая инфраструктура для AI». Linear for Agents ✅ — агенты как полноправные участники работы над проектом: им назначают задачи, тегают в комментариях, измеряют их производительность отдельной метрикой. MCP → Agentic AI Foundation 🤝 — Anthropic передал Model Context Protocol под управление Linux Foundation. 10 000+ серверов. 100 млн скачиваний SDK в месяц. Происходящее — не набор разрозненных продуктовых анонсов, а инфраструктурный сдвиг, сопоставимый с появлением REST API в 2000-х или мобильных SDK в 2010-х. Тогда компании перестроили продукты под программистов-интеграторов и мобильных пользователей; сейчас перестраивают под AI-агентов. Вопрос уже не «использовать ли AI», а «готовы ли ваши продукты и процессы к агентам как к полноправным пользователям». Инфраструктура под агентов строится прямо сейчас. Окно возможностей открыто — но ненадолго. ❗Разбираем как в это встроиться: протоколы, архитектура, production-ready системы — а не догонять потом. ⤵ Все подробности 👉 llmstart.ru