Ещё одна статья Anthropic, которую я перечитал на выходных, «Building…
Ещё одна статья Anthropic, которую я перечитал на выходных, «Building effective agents» - https://www.anthropic.com/engineering/building-effective-agents - вышла ещё в декабре 2024. Но я возвращаюсь к ней снова, потому что она остаётся одним из лучших объяснений того, что вообще происходит под капотом агентных систем.
Главный тезис, который я долго не мог принять: самые успешные команды строят агентов не на сложных фреймворках, а на простых компонуемых паттернах. Я читал это и думал: ну да, классика «keep it simple», слышали. А потом попробовал сам и понял, что это не про философию, а про конкретную боль.
Anthropic разделяют два понятия, которые все мешают в одну кучу:
1️⃣ Воркфлоу — когда LLM работает по заранее заданным путям в коде.
2️⃣ Агент — когда LLM сам решает, что и как делать.
Большинство задач, которые называют «агентными», на самом деле воркфлоу. И это нормально.
В статье описаны пять паттернов по нарастающей сложности.
1️⃣ Prompt chaining — просто цепочка вызовов, выход одного становится входом следующего.
2️⃣ Routing — классификация запроса и отправка по нужному пути.
3️⃣ Parallelization — несколько LLM-вызовов одновременно, когда нужна скорость или уверенность через голосование.
4️⃣ Orchestrator-workers — центральный LLM динамически раздаёт задачи воркерам, когда нельзя заранее предсказать шаги.
5️⃣ И evaluator-optimizer — один генерирует, второй критикует, по кругу.
Для меня это переключило мышление с «какой агент мне нужен» на «какой минимальный паттерн решает задачу». Статья для Хабра — это evaluator-optimizer: один агент пишет черновик, второй проверяет по редполитике и возвращает замечания. Не потому что так круто звучит, а потому что это минимальная архитектура, которая решает конкретную проблему качества.
Про фреймворки написано честно: они помогают стартовать, но создают абстракции, которые скрывают что происходит внутри и усложняют дебаггинг. Начинайте с прямых API-вызовов — большинство паттернов реализуется в несколько строк кода
И ещё один момент, который меня зацепил: команда Anthropic при разработке агента для SWE-bench потратила больше времени на оптимизацию инструментов, чем на общий промпт. Интерфейс агент-компьютер требует столько же внимания, сколько человеко-компьютерный. Это перекликается с тем, о чём я писал раньше про описания инструментов как место для редполитики.
Статья старая, часть примеров уже обросла более свежими материалами. Но как фундамент для понимания архитектуры агентных систем — до сих пор лучшее из того, что я читал. Если вы ещё не строили ничего агентного, начните с неё.
Главный тезис, который я долго не мог принять: самые успешные команды строят агентов не на сложных фреймворках, а на простых компонуемых паттернах. Я читал это и думал: ну да, классика «keep it simple», слышали. А потом попробовал сам и понял, что это не про философию, а про конкретную боль.
Anthropic разделяют два понятия, которые все мешают в одну кучу:
1️⃣ Воркфлоу — когда LLM работает по заранее заданным путям в коде.
2️⃣ Агент — когда LLM сам решает, что и как делать.
Большинство задач, которые называют «агентными», на самом деле воркфлоу. И это нормально.
В статье описаны пять паттернов по нарастающей сложности.
1️⃣ Prompt chaining — просто цепочка вызовов, выход одного становится входом следующего.
2️⃣ Routing — классификация запроса и отправка по нужному пути.
3️⃣ Parallelization — несколько LLM-вызовов одновременно, когда нужна скорость или уверенность через голосование.
4️⃣ Orchestrator-workers — центральный LLM динамически раздаёт задачи воркерам, когда нельзя заранее предсказать шаги.
5️⃣ И evaluator-optimizer — один генерирует, второй критикует, по кругу.
Для меня это переключило мышление с «какой агент мне нужен» на «какой минимальный паттерн решает задачу». Статья для Хабра — это evaluator-optimizer: один агент пишет черновик, второй проверяет по редполитике и возвращает замечания. Не потому что так круто звучит, а потому что это минимальная архитектура, которая решает конкретную проблему качества.
Про фреймворки написано честно: они помогают стартовать, но создают абстракции, которые скрывают что происходит внутри и усложняют дебаггинг. Начинайте с прямых API-вызовов — большинство паттернов реализуется в несколько строк кода
И ещё один момент, который меня зацепил: команда Anthropic при разработке агента для SWE-bench потратила больше времени на оптимизацию инструментов, чем на общий промпт. Интерфейс агент-компьютер требует столько же внимания, сколько человеко-компьютерный. Это перекликается с тем, о чём я писал раньше про описания инструментов как место для редполитики.
Статья старая, часть примеров уже обросла более свежими материалами. Но как фундамент для понимания архитектуры агентных систем — до сих пор лучшее из того, что я читал. Если вы ещё не строили ничего агентного, начните с неё.