50 подписчиков
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.
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
1 минута
11 марта