4 ошибки ИИ-агента на реальном SMM-проекте: как их исправить одним принципом
Новостной формат здесь не подходит: оригинал — авторский опыт с Хабра, не пресс-релиз и не новость. Но задание просит how-to по плану секций. Пишу строго по фактам из оригинала.

Автор Дзена, маркетолог или предприниматель, который впервые подключил ИИ-агента (программу, выполняющую задачи самостоятельно) к своей рабочей системе, почти гарантированно столкнётся с одними и теми же сбоями: агент пропускает поля, путает стили, теряет задачи и забывает отчитываться.
Практик протестировал ИИ-агента Codex внутри российской no-code платформы Buildin.ai на реальном SMM-проекте и задокументировал четыре типичные ошибки с готовыми решениями, каждое из которых сводится к одному принципу: агент не догадается сам, ему нужно явное правило.
Опыт описал автор с Хабра, который несколько дней использовал ИИ-агента Codex как участника SMM-команды. Рабочая среда собрана на платформе Buildin.ai: базы данных, страницы, контент-тикеты (карточки задач по материалам). Агент подключён через встроенный MCP (протокол, позволяющий модели видеть и редактировать данные платформы). Первый результат впечатлил: то, что заняло бы около дня, агент сделал за 17 минут. Однако ошибки начались сразу.
Какие задачи агент уже закрывает?
По словам автора, ИИ-агент выполняет четыре группы задач, расставленных по приоритету:
- Производственный контур. Создаёт рабочую карточку, готовит контент (идеи, сценарии, тексты, графику), заполняет свойства и связи баз данных, передаёт результат на проверку.
- Мониторинг. Раз в два часа проверяет систему на новые задачи и приступает к работе. Может отклонить задачу, если в ней есть противоречия.
- Контент по референсам. Пишет тексты, создаёт сценарии для видео, Reels, каруселей, генерирует изображения на основе зафиксированных образцов.
- Системные задачи. Меняет конфигурацию баз данных, переименовывает свойства, вставляет иконки.
Коммуникация идёт в двух режимах: по запросу (задача ставится прямо в интерфейсе Codex) и по расписанию (задачи внутри системы: контент-тикеты, локальные базы задач, to-do в карточках, записи в базе «Журнал»).
Что понадобится
- Аккаунт на платформе Buildin.ai с настроенным рабочим пространством (базы данных, страницы).
- Подключённый ИИ-агент Codex через встроенный MCP платформы.
- Подписка и кредиты OpenAI (автор оригинала оплачивает их для работы агента).
- База «Журнал» внутри системы для хронологии всех изменений.
- Готовность потратить первые дни на выявление и фиксацию ошибок: автор описывает именно этап настройки, а не «включил и забыл».
Пошаговая инструкция: четыре ошибки и четыре правила
Ниже конкретные сбои, с которыми столкнулся автор, и решения, которые он применил. Логика одна: агент не знает, как именно ему действовать и каковы критерии успеха, потому что условия не были прописаны. Он действует на своё усмотрение, и это усмотрение почти всегда расходится с вашим.
-
Ошибка: пропущены обязательные свойства базы. Агент создавал карточки в базе «Контент», но не заполнял связи, не считая их обязательными. Решение: явно перечислите, какие свойства базы обязательны для заполнения, и зафиксируйте это как системное правило в памяти агента.
-
Ошибка: результат не записан в «Журнал». Агент создал контент-сетку на август, но не зафиксировал это в «Журнале». Он посчитал создание плановой структуры промежуточной операцией, а правило записи применял только к готовому контенту. Решение: сформулируйте правило: отчёт в «Журнале» обязателен после любой значимой работы, а не только после финального результата. Пример формулировки для агента:
Каждый раз, когда ты выполняешь работу и у неё есть заметный результат, ты создаёшь запись в Журнал и фиксируешь всё важное, что я должен знать об этом результате.
-
Ошибка: дизайн в произвольных стилях. Агент генерировал изображения, но каждый раз в другом визуальном стиле. Критерием успеха он считал сам факт генерации, а не соответствие бренду. Решение: к задачам на генерацию прикрепляйте референсы (образцы нужного стиля) и фиксируйте их в системе, чтобы агент отталкивался от конкретных примеров.
-
Ошибка: агент не замечал задачи в теле карточек. Задачи ставились в разных местах и в разной форме. Агент не знал, где искать и что считать задачей. Решение: создайте мастер-базу задач, единую точку входа, чтобы агент проверял одно место, а не сканировал всю систему.
Как агент запоминает правила?
Автор заметил важную деталь: когда складывается ситуация, требующая системного правила, агент сам формулирует его и обновляет свою память. Если правило инициирует человек, достаточно обозначить его в диалоге: агент обновит системную память (встроенное хранилище инструкций, к которому обращается при каждом запуске) и запишет правило как обязательное требование.
Именно поэтому автор завёл базу «Журнал»: без неё приходилось работать в двух средах (интерфейс Codex и SMM-система) и помнить, какие запросы где были. «Журнал» стал единым окном и хронологией всех конструктивных изменений.
Автор ставит задачу в интерфейсе Codex: подготовить контент-сетку на месяц. Агент видит рабочее пространство через MCP, понимает структуру баз данных, создаёт карточки с текстами и графикой, заполняет свойства связанных баз. Результат за 17 минут вместо дня. Но без зафиксированных правил агент пропустил три обязательных поля и не записал результат в «Журнал». После того как автор указал на ошибки в диалоге, агент сам обновил память и в следующий раз заполнил все поля и создал запись.
- Ждать, что агент «догадается». Все четыре ошибки из опыта автора сводятся к одному: условия не были прописаны. ИИ-агенты не обладают здравым смыслом, они выполняют то, что зафиксировано.
- Ставить задачи в разных местах. Без единой мастер-базы задач агент теряет поручения. Чем больше точек входа, тем выше вероятность пропуска.
- Не вести журнал изменений. Без хронологии вы не отследите, что агент сделал, а что пропустил. Особенно критично, когда работа идёт в двух средах.
- Генерировать визуал без референсов. Агент воспринимает задачу буквально: «сгенерируй картинку» означает любую картинку. Без образца стиля результат будет случайным каждый раз.
Что делать с этим прямо сейчас, по ролям
Авторам Дзена. Если вы собираете контент-план руками, попробуйте подход из статьи: подключите агента к вашей базе материалов и дайте ему чёткие правила заполнения. Первые дни уйдут на «воспитание», но после фиксации правил агент будет заполнять карточки без повторных объяснений.
Маркетологам. Подход применим к любой повторяющейся SMM-задаче: контент-сетки, отчёты, генерация визуала по брендбуку. Экономия времени реальна (17 минут вместо дня в описанном случае), но только после того, как вы потратите первые итерации на правила.
Предпринимателям в РФ и СНГ. Buildin.ai доступна в России, это no-code платформа (конструктор без программирования, где рабочая среда собирается из баз данных и страниц). Для подключения агента Codex нужны кредиты OpenAI, доступ к сервисам OpenAI из РФ может потребовать дополнительных шагов.
Самый ценный вывод из этого опыта: ИИ-агенты ошибаются не потому, что «глупые», а потому, что работают строго в рамках того, что им объяснили. Это контринтуитивно: кажется, что раз агент «понимает» структуру данных и сам генерирует контент, он должен понимать и приоритеты. Не должен. По моим наблюдениям, 80% разочарований в ИИ-агентах связаны именно с этим ожиданием. Честная оговорка: автор оригинала описывает опыт нескольких дней, а не месяцев. Система правил будет расти, и на каком-то этапе управление самими правилами может стать отдельной задачей. Но сам принцип «ошибка, правило, память» работает и масштабируется.
Хотите разобраться в промпт-инжиниринге для агентов?
В dzen.guru мы тестируем нейросети и делимся работающими приёмами для авторов и маркетологов.
Узнать большеПодход, описанный автором, по сути, ручная «дрессировка» агента через диалог и фиксацию правил. Это не автоматизация в один клик, а совместная работа, где первые дни вы учите машину, а потом она экономит вам часы. Начните с одной задачи, зафиксируйте первые три правила и посмотрите, перестанет ли агент повторять ошибки. Если да, добавляйте следующую задачу.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также
Умные очки Samsung получили батарею на 9 часов и выбор между Gemini и Bixby
Samsung и Google впервые показали вживую умные очки с девятичасовой батареей и ассистентами Gemini и Bixby на борту, а старт продаж назначен на осень 2025…

Physical AI и VLA-модели: как роботы впервые учатся действовать без жёсткой программы
Компания NVIDIA с 2024 года продвигает термин Physical AI (физический ИИ) для описания систем, которые воспринимают реальный мир через датчики и действуют в…
OpenAI Presence показывает статус коллег в API: кому доступна и как включить
OpenAI в конце мая 2025 года добавила в свой API функцию Presence, которая показывает статус пользователя в реальном времени, и теперь команды, работающие с…
Комментарии