Loading…
Loading…
Концепция · ИИ-агенты
Агентный цикл — это цикл, который превращает языковую модель в агента. Вместо одного ответа модель выполняет повторяющийся цикл: собирает контекст, рассуждает о следующем шаге, выполняет действие (обычно вызов инструмента), наблюдает результат и снова возвращает его на вход — итерируя, пока цель не достигнута или не сработает условие остановки. Именно эта обратная связь отличает агента от чат-бота.
Повтор, пока цель не достигнута — или не сработает условие остановки.
Соберите то, что нужно модели для следующего шага: цель, историю диалога, найденные документы, результаты прошлых вызовов и текущее состояние. Решение о том, что включить (а что нет), теперь называют context engineering.
Модель анализирует состояние и выбирает одно следующее действие. В правильно построенном агенте она не вызывает инструмент сама, а возвращает структурированный вызов инструмента.
Обвязка (harness) проверяет вызов по схеме, проверяет права и выполняет его — запускает код, обращается к API, редактирует файл. Модель не трогает системы напрямую.
Результат действия — вывод инструмента, ошибка, изменённый файл — возвращается в контекст как «факты из реальности», удерживая агента от догадок.
Цикл повторяется с новым наблюдением, пока задача не решена или не сработает ограничитель: лимит итераций, бюджет токенов, тайм-аут или проверка человеком.
Большинство «архитектур агентов» — это вариации базового цикла. Полный разбор с примерами и источниками — в английской версии.
Агент чередует рассуждение и действие (вызов инструмента), возвращая каждое наблюдение в следующую мысль. Дефолтный паттерн большинства агентов.
Подробнее (EN) →Агент генерирует ответ, критикует его относительно цели и переписывает — итерируя по собственной обратной связи перед выдачей результата.
Подробнее (EN) →Агент сначала раскладывает цель на явный план подзадач, затем выполняет их, перепланируя, когда реальность расходится с планом.
Подробнее (EN) →Центральный агент-оркестратор делит задачу и делегирует подзадачи специализированным агентам-исполнителям, затем собирает результаты.
Подробнее (EN) →Одна модель генерирует ответ, вторая оценивает его по критериям; цикл улучшает результат по раундам.
Подробнее (EN) →Агент исследует несколько веток рассуждений параллельно, оценивает их и развивает самую перспективную — поиск вместо одной линии мысли.
Подробнее (EN) →Агентный цикл — это повторяющийся цикл, который ИИ-агент выполняет для решения задачи: собрать контекст, рассуждать о следующем действии, действовать (обычно вызовом инструмента), наблюдать результат и повторять, пока цель не достигнута или не сработает условие остановки. Именно этот механизм отличает агента, который итерирует и адаптируется к обратной связи, от модели, отвечающей один раз.
В workflow человек прописывает шаги в коде, а LLM заполняет их вдоль заранее заданного пути. В агентном цикле модель сама решает, что делать дальше, исходя из наблюдений. Workflow предсказуемее; агентный цикл гибче. В продакшене обычно сочетают оба: workflow для понятных частей и агентный цикл там, где путь нельзя зашить заранее.
Боевые агенты используют сразу несколько ограничителей: лимит итераций (часто 10–25 шагов), бюджет токенов, тайм-аут, детектор повторяющихся действий и проверку человеком для необратимых или дорогих действий. Хорошо построенный агент обычно останавливается сам, когда задача решена; это — страховка на случай, когда не останавливается.
ReAct (Reasoning + Acting) — самый распространённый паттерн агентного цикла: модель чередует рассуждение (обдумывание задачи) и действие (вызов инструмента), возвращая каждое наблюдение в следующую мысль. Цикл «Мысль → Действие → Наблюдение» удерживает агента на реальных результатах инструментов.
Расскажите о вашей задаче — мы спроектируем надёжного агента: контроль цикла, инструменты и ограничители включены.