Нейросети: учиться, работать, зарабатывать. Практическое руководство по ИИ

Попробовать

Двадцать минут, один чат. Соберём приёмы главы в боевой комплект.

Шаг 1. Обычный запрос. Попросите что-нибудь рабочее, но без подготовки:

Составь план статьи про домашние тренировки.

Сохраните ответ — он будет точкой отсчёта.

Шаг 2. Роль плюс вводные. Теперь то же самое, но по-взрослому:

Ты — редактор фитнес-журнала с десятилетним стажем. Составь план статьи

о домашних тренировках для читателей 40+, у которых сидячая работа

и нет инвентаря. План — из 6–8 пунктов, с рабочими заголовками,

без банальностей вроде «больше двигайтесь».

Сравните с первым ответом. Обычно разница видна невооружённым глазом.

Шаг 3. Few-shot. Возьмите задачу со своим форматом. Например, вы ведёте чат кофейни и хотите подписи к фото в одном стиле. Дайте два своих примера и попросите продолжить:

Вот мои подписи:

«Понедельник оправдан: раф с лавандой снова в наличии».

«Эспрессо — это кофе, который не терпит суеты. Как и мы».

Напиши в том же стиле подпись про сезонный морс.

Шаг 4. Шаг за шагом. Дайте модели задачку с подвохом дважды. Сначала: «Ответь сразу: у фермера 17 овец, все, кроме девяти, сбежали. Сколько осталось?» Потом, в новом чате: «Реши по шагам, вслух: у фермера 17 овец, все, кроме девяти, сбежали. Сколько осталось?» Современные модели чаще всего справятся в обоих случаях, но на ваших реальных рабочих задачах — расчётах, условиях, датах — разница будет ощутимой. Запомните ощущение от двух режимов.

Шаг 5. Критик. Возьмите любой ответ модели и отправьте следом:

Теперь выступи придирчивым критиком: найди в своём ответе три слабых

места и перепиши его с учётом замечаний.

Приём «модель против самой себя» — один из самых недооценённых.

Применить

Реальный публичный кейс — Klarna, шведский платёжный сервис. В начале 2024 года компания запустила ИИ-ассистента в поддержке и отчиталась о результатах: ассистент вёл миллионы разговоров в месяц, а среднее время решения обращения упало с 11 минут до двух.

Но для нас ценность кейса не в круглых цифрах, а в устройстве. Смотрите на него глазами этой главы:

• У ассистента есть жёсткая системная инструкция: кто он, что может, что не может, когда передаёт человеку. Это system prompt, только промышленного размера.

• Ему подкладывают в контекст не абы что, а данные конкретного клиента и регламенты — отсюда точные ответы вместо общих слов.

• Его ответы шлифовались итерациями на реальных диалогах — та самая техника «скажи, что не так», только в масштабе компании.

И ещё одно наблюдение, менее радужное: спустя время Klarna скорректировала курс и вернула в поддержку больше людей, признав, что качество важнее полной автоматизации. Урок, который стоит дороже цифр: чат-бот — не замена человека, а фильтр перед ним. Типовое закрывает машина, нестандартное и чувствительное остаётся людям.

Тот же принцип работает и в вашем личном масштабе: отдавайте чату то, что он делает быстро и без риска, а себе оставляйте то, где цена ошибки высока.

Мини-проект главы

Постройте свой первый диалоговый сценарий — по образцу тех, что стоят в бизнес-ботах, только для себя.

Выберите задачу, которую будете регулярно поручать ИИ: разбор входящих писем, подготовка к совещаниям, помощь с текстами — что угодно из вашего «паспорта задачи» из главы 1. И оформите сценарий из четырёх блоков:

Инструкция. Напишите system prompt для этой задачи: роль, правила, запреты, формат ответа. Пять-десять строк. Сохраните — пригодится в пользовательских инструкциях сервиса.

Стартовый промпт. Первое сообщение с вводными: кто вы, что за задача, ограничения.

Крючки итераций. Заготовьте три фразы для второго захода: «сделай короче», «добавь конкретики в пункт…», «выступи критиком».

Правило стопа. Запишите, при каком результате вы остановитесь и заберёте текст — чтобы не шлифовать бесконечно.

Прогоните сценарий дважды на реальных задачах и допишите в него то, чего не хватило. Поздравляю: вы только что сделали то, за что компании платят внедренцам, — оформили работу с ИИ как повторяемый процесс, а не лотерею.

Дальше — глава 4. Пока наш собеседник только отвечает. А что, если дать ему цель, инструменты и разрешение действовать самостоятельно? Получится агент — и вот тут начинается самое интересное.

Глава 4. Что такое агент

Начнём с эксперимента

Откройте привычный чат с ИИ и напишите:

Найди три авиабилета Москва — Казань на ближайшую пятницу,

сравни цены и забронируй самый дешёвый.

Что произошло? Модель вежливо объяснила, что не может ни искать в реальном времени, ни бронировать. Она умеет говорить — но не умеет делать. Она советник, запертый в комнате без окон и без рук.

А теперь представьте ту же просьбу, но у модели есть: выход в интернет, экран браузера, ваша банковская карта и разрешение действовать. Она сама откроет сайты, сравнивает варианты, выберет, оплатит — и вернётся с готовым билетом. Это уже не чат. Это агент.

Именно к агентам индустрия шла последние пару лет, и именно они — главная тема 2026 года. В этой главе разберём, из чего агент состоит, как он работает, почему за ним нужен глаз да глаз и как не повторить чужие дорогие ошибки.

Понять

От советчика к исполнителю

Разница между чат-ботом и агентом — как между консультантом в магазине и курьером с полномочиями. Консультант расскажет, какой товар выбрать. Курьер возьмёт деньги, съездит, купит и привезёт. Один говорит, другой действует.

Четыре признака отличают агента:

Цель. Чат отвечает на сообщение. Агент получает задачу — «забронируй», «найди», «организуй» — и гонится за результатом, а не за ответом.

Планирование. Задачу нельзя решить одним ответом, поэтому агент раскладывает её на шаги: открыть сайт, ввести даты, сравнить, выбрать, оплатить. Как стажёр из главы 3, но с чек-листом, который он составляет сам.

Инструменты. Это «руки» агента: поиск в интернете, браузер, калькулятор, доступ к файлам, запуск программ, обращение к сервисам через API. Модель умеет только писать текст — но она может написать «команду» для инструмента, а дальше инструмент действует в реальном мире.

Память. Агент помнит, что уже сделал на прошлых шагах, какие сайты не сработали, что вы предпочитаете утренние рейсы. Без памяти он ходил бы по кругу.

Из чего собран агент

Заглянем под капот. Агент — это не новая сверхмодель, а конструкция из знакомых деталей.

Мозг — обычная языковая модель. Та самая угадайка из главы 2. Она читает текущую ситуацию и решает, что делать дальше.

Инструменты (tools). У каждого инструмента есть описание: что делает, как вызвать, что вернёт. Модель пишет в ответе что-то вроде «вызвать поиск: билеты Москва—Казань пятница», система выполняет вызов и возвращает модели результат. Модель читает его и решает следующий шаг.

Память. Контекстное окно плюс, в серьёзных системах, внешние хранилища: заметки о задаче, файлы, база прошлых действий.

Цикл выполнения. Сердце агента — петля: посмотрел на ситуацию → подумал → сделал шаг инструментом → посмотрел на результат → снова подумал. И так, пока цель не достигнута или не кончились попытки. Чат отвечает один раз; агент крутится в этом цикле десятки шагов подряд, сам.

Почему система важнее модели

В 2023–2024 годах все спорили, чья модель умнее. К 2026-му спор сместился: выяснилось, что на одной и той же модели один агент работает отлично, а другой — барахтается. Разница не в мозге, а во всём, что вокруг него: какие инструменты подключены, как описаны, что делать при ошибке, когда остановиться и спросить человека.

Эта работа — собирать надёжные системы вокруг моделей — называется оркестрацией. Представьте дирижёра: музыкант (модель) один и тот же, но оркестр с дирижёром играет, а без него — шумит. Поэтому в индустрии закрепилась мысль: системы вокруг моделей становятся важнее самих моделей. Глава 17 покажет, куда этот сдвиг ведёт.

Три типовых устройства агентов

Инженеры перепробовали много схем; три устоялись и встречаются повсюду.

ReAct — «думай и делай по очереди». Агент чередует рассуждение и действие: подумал вслух («мне нужна цена билета») → вызвал инструмент → прочитал результат → подумал дальше. Схема описана в исследовании 2022 года и до сих пор остаётся рабочей лошадкой: простая, прозрачная, легко посмотреть, где агент свернул не туда.

Plan-and-Execute — «сначала план, потом дело». Агент сначала составляет весь план целиком, вы показываете ему «да», и только потом он исполняет шаги. Медленнее на старте, зато предсказуемее: вы видите маршрут до того, как он пошёл тратить время и деньги.