Оркестрация ии агентов:
• Anthropic — Building Effective AI Agents — лучший стартовый текст, чтобы понять, когда нужен workflow, а когда действительно agent; Anthropic отдельно пишет, что самые успешные внедрения обычно используют простые composable patterns, а не чрезмерно сложные схемы.
• LangGraph — Workflows and agents — очень прикладное объяснение разницы: workflow имеет предопределенный путь, агент сам выбирает шаги.
• OpenAI — Building agents — хорошая рамка “модели + инструменты + state/memory + orchestration”, без которой агентные системы обычно расползаются в хаос.
• OpenAI — Agents guide — уже ближе к эксплуатационному слою: как строить, деплоить и оптимизировать agent workflows.
• Anthropic — Effective context engineering for AI agents — очень важный текст про то, что качество агента зависит не только от промпта, а от всего набора токенов и состояния, которое вы ему даете.

Выбор ии агента / модели под конкретную задачу:
• OpenAI — Model selection — про выбор модели по балансу accuracy / latency / cost; полезно как базовая схема принятия решений.
• OpenAI — Reasoning best practices — помогает понять, когда брать reasoning-модель, а когда обычную более быструю модель; в гайде прямо разведены сценарии “скорость и цена” против “сложные неоднозначные задачи”.
• OpenAI Cookbook — Practical Guide for Model Selection for Real-World Use Cases — уже более “боевой” материал с реальным выбором модели под разные workload’ы.
• Anthropic — Building Effective AI Agents — тут полезна именно логика “сначала определить класс задачи”, а не сразу тащить multi-agent архитектуру.
• Anthropic — Writing effective tools for AI agents — это уже про выбор не только модели, но и инструментов: часто агент “плохой” не потому, что модель слабая, а потому что tool layer спроектирован неудачно.

Расчет ROI, метрик успеха и прочих параметров:
• Microsoft — AI Agent Adoption Guidance for Organizations — хороший enterprise-фреймворк: планирование, governance, интеграция и measurement business impact.
• OpenAI — Evaluation best practices — ключевой текст про то, как вообще измерять качество AI-систем в проде, когда ответы вариативны и обычные тесты не работают.
• OpenAI — Working with evals — уже ближе к практической постановке проверок и повторяемых оценок.
• OpenAI — Testing Agent Skills Systematically with Evals — очень полезно, если вы хотите системно улучшать “навыки” агента, а не вручную править поведение на глаз.
• Google Cloud — The ROI of generative AI — survey-based benchmark по тому, как компании смотрят на ROI и сроки эффекта. Используйте как внешний ориентир, а не как финансовую истину.
• Google Cloud — ROI of AI 2025 — свежий материал именно про агентный слой и бизнес-ценность.

Необходимые навыки для оператора / владельца агентной системы:
• Microsoft — Organizational readiness for AI agents — про роли, навыки, ownership и то, почему без этого агентные инициативы не масштабируются.
• Microsoft — Agentic AI maturity model: readiness and culture — полезно, если вы хотите понять, какие компетенции нужны не одному “оператору”, а команде и организации в целом.
• NIST — AI RMF Playbook — не про промпты, а про дисциплину: risk management, trustworthiness, oversight, operating model.
• Anthropic — Effective context engineering for AI agents — хороший материал именно для того, кто будет “рулить” агентом и исправлять системные ошибки.