AI Рецепты

У человека есть рабочая, долговременная и процедурная память — у агента должно быть то же самое. В 2026 память перестала быть оптимизацией и стала архитектурным требованием: без неё каждая сессия начинается с нуля, а пользователь объясняет одно и то же третий раз подряд.

Агенты слишком доверяют своему первому ответу — и ошибаются ровно там, где человек бы перечитал и поправил. Reflection заставляет модель сначала написать черновик, затем критиковать его, затем переписать — и качество резко растёт.

В 2026 году только 22% людей доверяют автономным агентам — и EU AI Act прямо требует человеческого контроля над high-risk системами. Агент, который умеет остановиться и спросить разрешения в критических точках, — это не баг, а обязательная часть production-архитектуры.

Большинство команд гоняет один премиум-LLM на всё — от классификации до архитектурных решений. Умный роутер сначала классифицирует запрос, потом диспетчеризует в дешёвую/среднюю/премиум-модель — и режет счёт на 30-80% без потери качества.

87% топовых моделей до сих пор уязвимы к jailbreak, штрафы по EU AI Act — до €35M, а слоистые guardrails ловят 95% инцидентов. Разбираем, как строить защиту на каждом шве пайплайна: один guardrail — это не guardrail, а ощущение страховки.

Все строят агентов, почти никто их не измеряет. Разбираемся, почему обычные тесты тут ломаются, как собрать первый eval-датасет за час, в чём разница между оценкой результата и оценкой траектории, и как не обмануть себя с LLM-as-judge.

Самая дешёвая оптимизация LLM-приложения — не смена модели и не RAG, а правильно устроенный prefix cache. Разбираемся, как устроен кэш на самом деле, где ставить точки разрыва, почему порядок сегментов важнее содержания и как мерить hit-rate, чтобы не обманывать себя.

Классический RAG — не единственный способ строить личную базу знаний. Разбираем идею Андрея Карпати: LLM как библиотекарь, который сам поддерживает тематическую вики из ваших заметок. Когда это работает лучше RAG, как устроена структура и что делать, когда подход ломается.

Голосовой агент — это не «текстовый бот плюс TTS». Это цепочка STT → LLM → TTS, которая должна успеть ответить за время, пока человек не начал говорить снова. Разбираем latency-бюджет, turn-taking, обработку прерываний и три типичные поломки streaming-пайплайна.

Vision-агенты, которые кликают по сайтам, — самый хайповый тренд автоматизации 2026. Разбираем, когда они действительно нужны (не всегда), в чём разница между DOM- и vision-подходами, почему «нажал — жду 2 секунды» почти всегда ломается и какие границы обязательно ставить до запуска в прод.

Автоматически анализирует тональность отзыва и генерирует персонализированный ответ. Разбираем главный принцип: один сложный промпт — зло, цепочка простых — сила. Строим воркфлоу с ветвлением на случай, когда AI нужно позвать человека.

MCP (Model Context Protocol) — это USB-интерфейс для AI: стандартный разъём, через который Claude подключается к любому инструменту. Разбираем, как спроектировать и запустить собственный MCP-сервер — от выбора инструментов до первого вызова из Claude Desktop.

Классический RAG — конвейер без мозгов: запрос, поиск, ответ. Agentic RAG — это когда агент сам решает, нужен ли поиск, что искать и достаточно ли найденного. Разбираем, как превратить линейный пайплайн в цикл с принятием решений — на LangGraph и ChromaDB.

Код-ревью — идеальная задача для AI-агента: нужно читать контекст, искать связанные файлы, применять разные критерии к разным участкам кода. Разбираем, как построить агента, который делает ревью как опытный инженер — с приоритизацией замечаний, поиском контекста и структурированным отчётом прямо в GitHub.

Любая компания тонет в документах: счета, договоры, заявки, письма. AI умеет их читать — но чтобы это работало надёжно, нужна не одна волшебная кнопка, а конвейер: сначала понять что за документ, потом вытащить нужные данные, потом решить что с ними делать. Разбираем, как собрать такой пайплайн в n8n с Claude API.

CrewAI — это фреймворк, в котором несколько AI-агентов работают как настоящая команда: у каждого своя роль, свои инструменты и своя зона ответственности. Разбираем, как собрать исследовательскую команду из координатора и специалистов — от проектирования ролей до отладки первого реального сценария.

Входная дверь в серию про harness: четыре режима разработки — Classic (A), AI-Assisted (B), Agent-Driven (B+), Agent-First (C). Это не лестница, а четыре разные ставки: один режим оптимален одной команде и катастрофичен для другой на том же проекте. Рецепт помогает выбрать режим и решает мета-вопрос — сколько ИИ вообще нужно проекту. Для B+/C harness обязателен (ведёт к рецепту Harness Engineering), для A/B — почти не нужен.

Хаб по harness-инженерии: среда из пяти слоёв, четыре фазы маршрута задачи, барьеры против конвенций и lessons-ledger как ядро автономности. С интерактивным эксплорером и картой серии — как настроить любой проект так, чтобы кодинг-агент вёл задачу от постановки до пуша почти без надзора.

Фаза 0 серии Harness Engineering — вход на существующий (brownfield) проект. До любых AGENTS.md и линтеров вы делаете аудит: baseline.md инвентаризирует, что уже есть (структура, границы, конвенции, состояние тестов и CI как описательная база), а environment.md фиксирует стек и таблицу tool-selection (роль → конкретный инструмент), на которую опираются все следующие фазы. С копируемыми промптами бутстрапа аудита — стек-агностично, для JS/TS, Python, Go, Java/Kotlin и любого другого стека.

Фаза 1 серии Harness Engineering — контекст-инжиниринг. Глубокий разбор четырёх файлов-источников правды, которые агент читает на старте: AGENTS.md (working rules + Definition of Done + retrieve-правило), аддендум под конкретного агента (CLAUDE.md / .cursorrules / system prompt), architecture.md (карта слоёв и границ) и каталог ADR (одно решение = один markdown). Минимальные шаблоны и готовые копируемые промпты для бутстрапа — стек-агностично, для любого языка и любого агента.

Фаза 2 серии Harness Engineering: ExecPlan — живой план в репозитории, который держит агента на длинной автономной задаче (7–25 часов, десятки файлов) без потери контекста. Когда применять и когда пропустить, какие секции пишет человек до старта (Context, Goal, Out of scope, Approach), а какие агент заполняет по ходу (Progress, Decisions, Surprises). Копируемый шаблон ExecPlan, 30-минутная диагностика готовности и дисциплина live-update. Стек-агностично.

Фаза 3 harness-серии: «машина важнее текста». Превращаем архитектурные правила из текста в docs/architecture.md в детерминированные проверки — границы импортов, мёртвый код, циклы, строгие типы. Кросс-стековая таблица «роль → инструмент» (dependency-cruiser / import-linter, knip / ts-prune / vulture, madge, tsc / mypy), test-integrity tripwire вместо мандата на покрытие (Goodhart), pre-commit + CI как точки форса и самописные скрипты для непокрытого. С копируемыми промптами и конфигами.

Фаза 5 серии Harness Engineering: маленькие непрерывные платежи против энтропии. Запланированные проверки на дрейф (drift) — мёртвый код, устаревшие зависимости, рассинхрон документации — которые не просто алертят, а ПРОИЗВОДЯТ артефакт: PR, issue, обновлённый quality.md. Полу-автоматический quality.md (скрипт собирает цифры, человек пишет интерпретацию ~15 мин/нед), doc-freshness gate, расписание в CI и честность про метрики (Goodhart). Стек-агностично, с копируемыми промптами.

Фаза 5.5 серии Harness Engineering: твоё «неправильно» превращается не в забытый чат, а в код. Команда /wrong ловит коррекцию, normalize разводит развилку: computational-урок (ловится машиной) уходит правкой сенсора в рельсы, inferential-урок (нужно суждение) — markdown-файлом в lessons/<boundary>/, который агент читает перед задачей (retrieve-правило). maintain дедуплицирует и промоутит созревшие inferential-уроки в сенсоры. Метрика здоровья — сколько уроков выпущено в сенсоры, а не размер тетрадки. Стек-агностично, с копируемыми промптами и интерактивом.

Фаза 6 серии Harness Engineering: скилл (skill) — это SKILL.md, кодирующий повторяемую процедуру («как сделать рекуррентную задачу»), который агент сам подгружает по триггеру из поля description. Учимся отличать скилл от lessons-ledger (тот хранит «что НЕ повторять»), искать кандидатов в скиллы по коммит-истории, писать make-or-break поле description с фразами-триггерами, структурировать SKILL.md (When to use / Steps / DoD / Anti-patterns / Examples) и подключать библиотеку в контекст-файл агента. Стек-агностично, с копируемым шаблоном.

Фаза 7 серии Harness Engineering: процесс работы с кодинг-агентами, а не сам harness. Краеугольный камень — один thread на одну задачу (не на проект): иначе контекст загрязняется, задача «завершается» раньше времени при переполнении, а история становится нечитаемой. Worktree-воркфлоу (создать worktree → запустить агента внутри → закончить → удалить), Plan mode для нетривиального, порог ExecPlan для длинного (кросс-линк, не пересказ), субагенты как граница делегирования и правило «3 спотыкания → следующая задача чинит среду». Артефакт — секция «Working with coding agents» в CONTRIBUTING.md. Стек-агностично.

Финальная фаза серии Harness Engineering: собираем всё, что построено в фазах 0–5.5, в форкаемое template-репо. Харнес перестаёт быть кустарной сборкой под каждый проект и становится golden path. Что кладём в шаблон с очисткой проектной специфики (AGENTS.md / CLAUDE.md со стабами, ExecPlan-шаблон, ADR _template, environment.md с ПУСТОЙ таблицей tool-selection, deterministic-конфиги как TODO-шаблоны, GC-джобы как tool-agnostic контракты, только универсальные .claude/skills/), migration-капсула (portable механизм + curated _core против project-bound шума), HOW_TO_FORK.md с оценкой 2–3 дня и горизонт «живого форка» — shared harness-kit. Стек- и инфра-агностично, с копируемым скелетом форка.

Интерактивный инструмент серии Harness Engineering: выбираешь стек (JS/TS, Python, Java/Kotlin, Go, PHP) — получаешь персональный сетап. Таблица роль → инструмент (boundary-линтер, мёртвый код, строгие типы, циклы, security, pre-commit), чек-лист Definition of Done по всем фазам rollout (0→8) и готовые копируемые/скачиваемые артефакты под стек: скелет AGENTS.md, конфиг pre-commit и шаблон ExecPlan. Роль универсальна, инструмент — пример на выбор, который ты фиксируешь один раз в ADR. Стек-агностично.