← Каталог

· AI Engineer Summit 2025

Как создавать работающих AI-агентов

How to Build AI Agents that Actually Work

Агенты для корпоративных данных становятся надёжнее после настройки интерфейса инструментов под конкретную модель, а не после дообучения или выбора фреймворка.

  • Формат ответа инструмента — при переходе с Markdown на JSON GPT-4o перестал заявлять, что колонок, которые есть в ответе инструмента, не существует; для Claude, по словам автора, нужен XML.
  • Проверка на невозможность — GPT-4o писал SQL для оттока клиентов на схеме Salesforce, где нужных данных нет, а o1 верно заключил, что запрос построить нельзя. Модели нужна возможность честно сказать, что данных не хватает.
  • Авторизация в своём коде — сквозная передача OAuth-прав пользователя до Snowflake, по словам автора, плохо укладывалась в LangGraph, поэтому учётные данные и токены команда вела в собственной кодовой базе.
  • Менеджер и исполнители — менеджер отвечает за итог и делегирует подзадачи агентам с узким контекстом; по словам автора, команды из пяти–восьми агентов работают, а из двадцати пяти–пятидесяти часто зацикливаются.

Кому полезно: тем, кто строит агентов поверх хранилищ данных компании и переводит их в продакшен.

Доклад цитируется в статьях

Главы

Похожие доклады