Пару дней назад, когда я рассказал про своих агентов авто-постеров товарищу, он мне сказал, что надежная автоматизация делается через post/get запросы. Я подумал: и правда, я же что-то слышал об этом, почему бы не попробовать. Забил.
Вчера в чате рассказали, как вытащили API из Пятёрочки. Интересно, но все еще пазл не сложился.
И сегодня с утра я наткнулся на статью от browser-use, которую многие пропустили мимо.
Переводить я ее не буду, там много воды, вот основная суть:
1. Агент не должен каждый раз заново изучать сайт.
Обычно много времени и денег тратится не на саму задачу, а на понимание интерфейса сайта.
2. Успешный опыт превращается в переиспользуемый Skill.
После выполнения задачи отдельный агент анализирует, что именно удалось выяснить о сайте, и сохраняет это как короткую инструкцию: где мы находимся, что нажимать, какие элементы стабильны, какие шаги можно пропустить.
3. Навыки становятся общими для всех будущих запусков.
Если один агент уже разобрался с конкретным сайтом или конкретным экраном, следующие агенты используют это знание сразу, без лишнего исследования.
4. Качество навыков поддерживается через отзывы и версии.
Другие агенты оценивают навык и оставляют причину, почему он сработал или не сработал. На этой основе навык улучшается, версионируется или удаляется.
5. Без дообучения модели.
Авторы делают ставку не на RL и не на fine-tuning, а на внешнюю память/базу навыков, которую сами агенты пополняют и редактируют.
6. Следующий уровень автоматизации — обход UI и работа напрямую через API.
То есть агент сначала учится нажимать кнопки как человек, а потом — понимать, какой HTTP-запрос за этим стоит, чтобы в будущем выполнять действие напрямую и ещё быстрее.
И самое важное - это последний пункт. Тут мне просто не оставили шансов не попробовать.
Итог: я добился стабильного составления черновиков в Threads буквально за час с нуля на чистом агенте. Просто прислал ему эту статью и объяснил, что я хочу именно автоматизацию через запросы к API.
Смешанные ощущения, учитывая, сколько я потратил на CDP-скрипты, которые все равно не дали той стабильности, которой я хотел.
Моя проблема - я просто никогда не работал нормально с запросами. Я знаю, что такое get, post, даже несколько лет назад краем глаза смотрел в Wireshark, но из-за отсутствия реальной практики просто не додумался раньше.
Нужно правильно писать промты, а не винить ИИ, почему это он сам не додумался.
Именно понимание низкоуровневой архитектуры делает агентов в твоих руках по-настоящему мощным инструментом.
Чат | ChatGPT Подписка