Перейти к содержимому
Skip to content

База знаний → ИИ-агенты

ИИ-агенты

Самая молодая профессия на карте и самая пёстрая по качеству материалов. Здесь — путь от понимания, что такое языковая модель, до агента, который действительно делает работу: ищет в ваших документах, вызывает ваш код и отвечает клиенту.

20 тем 5 этапов примерно 5–8 месяцев при часе в день уровень: нужны основы кода

пройдено 0 из 20
Этап 1 · Что такое языковая модель
Как она устроена 3 дня

Модель предсказывает продолжение текста, опираясь на то, что уже написано. Из этого следует всё остальное: почему ответы разные при одном вопросе, почему важен порядок слов в задании и почему модель уверенно пишет неправду.

Что уметь в конце

  • Объяснить своими словами, почему модель «придумывает»
Токены, контекст, цена 3 дня

Текст делится на кусочки-токены, за них и платят. Окно контекста — сколько модель держит перед глазами за один раз. Понимание этих двух величин сразу переводит разговор из магии в арифметику.

Что уметь в конце

  • Посчитать стоимость одного обращения и месяца работы
  • Понимать, почему длинная переписка дорожает с каждым шагом
Чего модель не умеет 2 дня

Не знает сегодняшних новостей, не помнит прошлый разговор, плохо считает, путает похожие факты. Это не недоделка, а свойство — под него и строят систему: нужны свежие данные, значит их нужно дать.

Доступ к модели из кода 1 неделя

Ключ, запрос, ответ, обработка ошибок и ограничений частоты. С этого узла начинается настоящая работа: чат в браузере — только знакомство.

Где учить

Этап 2 · Задание и данные
Как ставить задачу модели 2 недели

Роль, правила, примеры, формат ответа и явный запрет на выдумывание. Хорошо поставленная задача даёт больший прирост качества, чем смена модели на более дорогую.

Что уметь в конце

  • Переписать расплывчатое задание в проверяемое
  • Добиться одинакового формата ответа на десяти разных вопросах
Ответ по форме 1 неделя

Чтобы ответ попал в базу или в интерфейс, он должен приходить строгой структурой, а не свободным текстом. Здесь же проверка: что делать, когда модель прислала мусор.

Поиск по своим документам 3 недели

Главный рабочий приём: находим в ваших файлах куски, относящиеся к вопросу, и подкладываем их модели вместе с заданием. Так помощник отвечает по вашим правилам и прайсу, а не по интернету.

Что уметь в конце

  • Собрать помощника по папке с документами компании
  • Показывать источник ответа, а не только сам ответ

Где учить

Векторные базы и разбиение 2 недели

Тексты превращаются в числа, по которым ищут похожее по смыслу, а не по буквам. Качество почти целиком зависит от того, как документ нарезан на куски.

Где учить

Этап 3 · Агент
Инструменты: модель вызывает ваш код 2 недели

Вы описываете функции — проверить остаток, создать заявку, отправить письмо, — модель сама решает, какую вызвать. Момент, когда помощник превращается в агента.

Что уметь в конце

  • Описать три инструмента так, чтобы модель не путала их
  • Обработать случай, когда она вызвала инструмент неверно
Цикл работы агента 2 недели

План, действие, проверка результата, следующий шаг — и предел, после которого агент останавливается и зовёт человека. Без предела он крутится вхолостую и тратит деньги.

Память 1 неделя

Что помнить внутри разговора, что сохранять между разговорами и что выбрасывать. Полная история быстро упирается в окно контекста и в счёт.

Протокол MCP 1 неделя

Общий способ подключать к моделям внешние источники и инструменты — почту, диск, базу, свою систему. Написали один раз, работает с разными программами.

Где учить

Несколько агентов необязательно

Разделение работы между несколькими агентами выглядит красиво на схемах, но чаще всего сложнее и дороже одного хорошо настроенного. Беритесь, когда одиночка перестал справляться.

Этап 4 · Качество и безопасность
Как измерять качество 2 недели

Набор примеров с правильными ответами и регулярный прогон по ним. Без измерения любая правка задания — гадание: почините одно, сломаете другое и не заметите.

Что уметь в конце

  • Собрать набор из 50 проверочных вопросов по своей задаче
  • Сравнить две версии задания числом, а не ощущением
Атака через данные 1 неделя

В письме, на сайте или в документе может быть спрятана команда для вашего агента. Правило: всё, что пришло извне, — это данные, а не указания. Действия с последствиями подтверждает человек.

Права агента 1 неделя

Отдельный доступ с минимальными правами, запрет на удаление и на трату денег, журнал всех действий. Агент ошибается — вопрос лишь в том, насколько дорого ему это позволено.

Стоимость и скорость 1 неделя

Модель подешевле на простых шагах, кеширование повторяющейся части задания, ограничение длины ответа, потоковая выдача ради ощущения скорости. Так счёт уменьшается в разы без потери качества.

Этап 5 · В работу
Куда встроить агента 2 недели

Окно на сайте, бот в мессенджере, помощник внутри рабочей системы. Здесь же передача сложного вопроса живому человеку — без неё клиент попадает в тупик.

Локальные модели необязательно

Модель на своём сервере: данные не уходят наружу, платы за обращения нет, но нужны видеокарты и качество ниже. Разумно там, где секретность важнее точности.

Где смотреть

Сверка с зарубежными картами необязательно

Англоязычные карты по ИИ-инженерии и агентам обновляются часто — полезно сверяться раз в квартал.

Куда смотреть

Ко всем картам Нужен ИИ-агент под задачу

Knowledge base → AI agents

AI agents

The youngest profession on this map and the one with the most uneven material. Here is the path from understanding what a language model is to an agent that does real work: searches your documents, calls your code and answers your client.

20 topics 5 stages about 5–8 months at an hour a day level: basic coding needed

0 of 20 done
Stage 1 · What a language model is
How it works 3 days

A model predicts what text comes next, based on what is already written. Everything follows from that: why the same question gives different answers, why wording matters, and why a model states false things with confidence.

Tokens, context, cost 3 days

Text is cut into tokens, and tokens are what you pay for. The context window is how much the model can hold in front of it at once. Knowing these two numbers turns the conversation from magic into arithmetic.

What you should be able to do

  • Work out the cost of one call and of a month of work
  • Explain why a long conversation gets more expensive each turn
What a model cannot do 2 days

It does not know today's news, does not remember your last conversation, is poor at arithmetic and confuses similar facts. That is a property, not a defect — you build around it.

Reaching a model from code 1 week

A key, a request, a response, error and rate-limit handling. Real work starts here; a chat window is only an introduction.

Where to learn

Stage 2 · Instructions and data
Writing the task for a model 2 weeks

Role, rules, examples, output format and an explicit ban on inventing facts. A well-written task improves quality more than switching to a more expensive model.

What you should be able to do

  • Rewrite a vague instruction into a checkable one
  • Get the same answer format across ten different questions
Structured output 1 week

To reach a database or an interface, an answer must arrive as strict data, not free text. Plus what to do when the model returns nonsense.

Searching your own documents 3 weeks

The main working technique: find the parts of your files that relate to the question and give them to the model with the task. That way the assistant answers from your rules and your price list, not from the internet.

What you should be able to do

  • Build an assistant over a folder of company documents
  • Show the source of an answer, not only the answer

Where to learn

Vector stores and chunking 2 weeks

Text becomes numbers, and similar meanings are found rather than similar letters. Quality depends almost entirely on how documents are cut into pieces.

Where to learn

Stage 3 · The agent
Tools: the model calls your code 2 weeks

You describe functions — check stock, create a request, send an email — and the model decides which to call. This is where an assistant becomes an agent.

What you should be able to do

  • Describe three tools clearly enough that the model does not mix them up
  • Handle a tool being called with wrong arguments
The agent loop 2 weeks

Plan, act, check the result, take the next step — and a limit after which the agent stops and calls a human. Without a limit it spins and spends money.

Memory 1 week

What to remember inside a conversation, what to keep between conversations and what to throw away. A full history quickly hits the context window and the bill.

The MCP protocol 1 week

A shared way to connect models to outside sources and tools — mail, storage, a database, your own system. Written once, works with different programs.

Where to learn

Several agents optional

Splitting work between agents looks elegant on a diagram but is usually more complex and more expensive than one well-tuned agent. Take it when a single one stops coping.

Stage 4 · Quality and safety
Measuring quality 2 weeks

A set of examples with correct answers, run regularly. Without measurement every change to the instructions is guesswork: you fix one thing, break another and never notice.

What you should be able to do

  • Collect 50 check questions for your own task
  • Compare two versions with a number, not a feeling
Attacks hidden in data 1 week

An email, a web page or a document can carry an instruction aimed at your agent. The rule: anything from outside is data, never orders. Actions with consequences are confirmed by a person.

What the agent is allowed to do 1 week

A separate account with minimal rights, no deleting, no spending, and a log of every action. Agents make mistakes — the only question is how expensive you have allowed those mistakes to be.

Cost and speed 1 week

A cheaper model for simple steps, caching the repeated part of the instruction, limiting answer length, streaming for the feeling of speed. The bill drops several times over without losing quality.

Stage 5 · Into production
Where to put the agent 2 weeks

A window on the site, a bot in a messenger, an assistant inside a working system. Handing a hard question to a live person belongs here too — without it the client hits a wall.

Local models optional

A model on your own server: data never leaves, there is no per-call fee, but you need graphics cards and quality is lower. Sensible where secrecy matters more than accuracy.

Where to look

Compare with the full maps optional

The English maps for AI engineering and agents are updated often — worth checking once a quarter.

Where to look

All roadmaps I need an AI agent built