Мой зоопарк Ai агентов, почему все они решают мои задачи хорошо
(2/3)

Если посмотреть на моих агентов, там довольно большой зоопарк: разные модели, разные компьютеры, разные агентные системы.

Но одна из самых важных частей всей этой конструкции вообще не модель. Это скиллы.

Я храню общий набор скиллов в Git. Агенты могут его подтягивать и обновлять, поэтому у них остаётся одинаковый свежий набор инструкций для тех задач, которые я регулярно решаю.

Например, там есть скиллы, связанные с продуктовым подходом и упаковкой продуктов, анализом и описанием бизнес-процессов, подготовкой презентаций и документов. Часть основана на скиллах Ивана Замесина, которые он публикует и обновляет.

Для меня это довольно важный сдвиг в понимании того, как работать с агентами.

Модель можно поменять. Агентную систему тоже. Сегодня я использую одну, завтра тестирую другую, а на работе вообще могут быть другие модели и ограничения.

При этом способ выполнения конкретной задачи можно описать отдельно и дать разным агентам.

И мне кажется, что для корпоративного применения AI это особенно интересная конструкция. Потому что значительная часть нашей работы — это не просто «написать хороший промпт», а объяснить, как именно у нас принято решать определённую задачу: как анализировать процесс, как собирать документ, какие шаги пройти, что проверить перед результатом.

По сути, такую инструкцию уже можно сделать отдельным переносимым элементом системы.

Поэтому сейчас я экспериментирую не только с тем, какой агент или модель лучше, но и с тем, какой набор способов работы я могу между ними переносить.

@AlexGetsHrDone