Классический RAG отвечает на вопрос по документам за один проход. Агент с доступом к той же базе умеет искать несколько раз, уточнять и проверять себя. Разбираем, где разница видна в деньгах и качестве ответов.
Разработчики агентов гонятся за длинным контекстным окном, но на практике модель теряет данные из середины запроса. Разбираем, где рвётся качество и что с этим делать.
Планирование стало главным узким местом ИИ-агентов: модель понимает запрос, но заваливается на многошаговых задачах. Разбираем, как работает декомпозиция целей и почему она пока ломается.
Модель сама не звонит в API и не открывает браузер. Она возвращает структурированный запрос, а вызов делает ваш код. Разбираем, как модель выбирает нужный инструмент и где эта схема ломается.
Векторная база — это память для LLM-агента: она хранит эмбеддинги и находит релевантные куски текста по смыслу. Разбираем, чем отличаются pgvector, Pinecone, Qdrant и Weaviate и когда без них можно обойтись.
Агенты забывают всё, что не поместилось в контекстное окно. Разбираем, чем отличается краткосрочная память от долгосрочной, как её строят через RAG и векторные базы и сколько это стоит.
Автономные агенты учатся сами проходить уровни, ломать механики и искать баги. Разбираем, что уже работает, где это буксует и кому в студии это реально сэкономит время.
Продавцы обещают «нейросеть, которая обыгрывает букмекера». На практике автономный агент упирается в маржу конторы, лимиты счёта и запрет на автоматизацию. Разбираем, что реально умеют такие системы и где их подводит математика.
Автономные ИИ-агенты обещают заменить ручное планирование поставок лекарств: прогноз спроса, контроль холодовой цепи, реакция на дефектуру. Разбираем, что реально работает, а что маркетинг.
Патентные поверенные пробуют переложить на ИИ поиск аналогов и черновики заявок. Разбираем, что агенты реально умеют, где они ошибаются дорого и почему подпись человека всё равно останется.
Голосовые ассистенты и агенты на LLM учатся передавать показания счётчиков, оспаривать начисления и отслеживать долги. Разбираем, что реально делают такие сервисы и где заканчиваются их полномочия.
В 2024–2025 годах приложения и залы начали встраивать не просто чат-боты, а AI-агенты, которые сами составляют программы, переносят тренировки и списывают деньги за занятия. Разбираем, что из этого работает.