Что такое ИИ-агент: почему 95% точности на шаге давали лишь 36% успеха на цепочке

ИИ-агенты (программы, которые сами планируют действия, вызывают инструменты и доводят задачу до результата без пошагового контроля человека) заработали по-настоящему только к концу 2025 года, и причина не в одной «умной модели», а в совпадении двух кривых улучшений, самой модели и её обвязки.

Лукаш Кайзер, один из создателей архитектуры Transformer (нейросетевая архитектура, на которой построены ChatGPT, Claude и другие большие языковые модели), описал этот момент в подкасте Unsupervised Learning в июне 2025 года.

«Перемена прошлой зимой, на Рождество, её сложно точно определить. Обвязка изменилась, немного изменилось пост-обучение, вышли новые предобученные модели… но ощущение было такое, будто произошёл большой скачок, и трудно сказать, что именно его вызвало.» : Лукаш Кайзер, соавтор архитектуры Transformer

Автор оригинального разбора утверждает: ответ не только в весах модели, а в системе, которая выросла вокруг этих весов. Эта система называется «обвязка агента» (agent harness).

Что такое обвязка агента и зачем она нужна?

Обвязка агента (harness) включает всё, кроме самих весов модели, что позволяет ИИ-агенту работать: окружение, инструменты, контекст и ограничители (guardrails, защитные рамки, не дающие агенту выйти за допустимые действия).

Без обвязки модель остаётся «мозгом в колбе». Она может рассуждать, но не способна выполнить действие в реальном цифровом пространстве.

С обвязкой модель получает:

• Восприятие (контекст окружения)
• Действия (инструменты: поиск, запись файлов, вызов API)
• Память (сохранение и сжатие информации между шагами)
• Границы (разрешения и ограничители)

Аналогия из источника проста: обвязка даёт разуму модели тело.

Как агенты дошли до рабочего состояния: четыре этапа

Источник выделяет четыре стадии, каждая из которых сдвигала баланс между тем, что обвязка требует от модели, и тем, что модель реально может выполнить.

1. ReAct и зарождение идеи (октябрь 2022)

ReAct (Reasoning + Acting) появился как промпт-техника: модель рассуждает, действует, наблюдает результат и повторяет цикл. Весь «агентный цикл» существовал только на бумаге, внутри промпта (текстовой инструкции для модели). Параллельно Meta выпустила Toolformer (февраль 2023), показав, что использование инструментов можно не подсказывать промптом, а встроить в обучение.

На этом этапе обе кривые, требований обвязки и возможностей модели, были близки к нулю. Разрыв мал, потому что всё только начиналось.

2. AutoGPT и BabyAGI: преждевременная автономия (весна 2023)

AutoGPT и BabyAGI вручили модели полную автономию, роль «самостоятельного сотрудника». Но модели того поколения оставались хрупкими предсказателями следующего токена (минимальной единицы текста, которую обрабатывает модель). Цикл не добавляет модели способностей. Он усиливает то, что уже есть, и ниже определённого порога усиливает ошибки, а не надёжность.

Именно здесь разрыв между кривыми был максимальным.

3. Cursor, Copilot и возврат человека в цикл (2023–2024)

Первые ИИ-среды для программирования (IDE) признали провал полной автономии и сознательно опустили кривую обвязки ниже кривой модели. Решение: не давать модели цикл напрямую, а дать цикл человеку, позволив модели ускорять каждый шаг.

Первая версия Devin попыталась вернуть автономию модели. Тест команды Answer.AI показал около 15 % успеха, подтвердив, что отступление от полной автономии было верным ходом, а не трусостью.

Тем временем модели продолжали улучшаться. К концу 2024 года, с выходом o1 (первой рассуждающей модели от OpenAI), разрыв впервые инвертировался: возможности модели обогнали требования обвязки.

4. Claude Code: кривые пересеклись (февраль 2025)

Инверсия конца 2024 года создала возможность, которую кто-то должен был использовать. Если модель теперь опережает обвязку, то обвязка, искусственно тормозящая модель, теряет потенциал.

Claude Code стал первым агентом для написания кода, построенным именно под эту возможность. Он отказался от IDE в пользу терминала, дал модели доступ к bash и чтению/записи файлов, а вместо одобрения каждого изменения человеком ввёл правила разрешений. Модели вернули цикл, и на этот раз она справилась.

Что понадобится

• Понимание концепции: прочитать этот разбор и усвоить логику «модель + обвязка»
• Доступ к агентной системе: Claude Code (терминальный агент от Anthropic), Cursor, GitHub Copilot или аналоги
• Для экспериментов в РФ: YandexGPT, GigaChat (пока без полноценного агентного режима, но с поддержкой вызова инструментов)
• Время: 30 минут на первый тест, 2 часа на полноценный сценарий

Пошаговая инструкция: как проверить агентный подход на практике

1. Сформулируйте задачу как цель, а не как набор команд. ИИ-агент отличается от чат-бота тем, что получает конечную цель и сам разбивает её на шаги. Вместо «найди статистику, потом напиши абзац» опишите результат.

2. Задайте границы. Определите, к каким файлам, папкам или данным агент имеет доступ, а к каким нет. В Claude Code это делается через файл разрешений.

3. Запустите агентный цикл. В терминале Claude Code команда выглядит так:

claude "Проанализируй файлы в папке /drafts, найди все упоминания конкурентов, собери в таблицу competitor_mentions.md с колонками: имя, контекст, тональность"

1. Наблюдайте за цепочкой рассуждений. Агент покажет, какие шаги планирует, какие инструменты вызывает. Если цепочка уходит не туда, прервите и уточните цель.

2. Оцените результат и сузьте задачу. Первый запуск часто показывает, что задача слишком широкая. Разбейте её на подзадачи и запустите агент на каждой отдельно.

claude "Прочитай все .md файлы в /drafts. Извлеки названия инструментов и сервисов. Для каждого напиши одно предложение: что делает. Результат сохрани в tools_list.md"

Что делать с этим прямо сейчас, по ролям

Авторам Дзена. Попробуйте агентный подход для рутинных задач: сбор упоминаний, подготовка структуры статьи из заметок, проверка фактов по нескольким источникам. Агент не заменит ваш голос, но уберёт механическую работу.

Маркетологам. Агенты уже способны анализировать папки с отчётами, сводить данные из разных файлов и готовить черновики брифов. Экономия времени реальна, но каждый вывод нужно проверять: галлюцинации никуда не делись.

Предпринимателям в РФ и СНГ. Полноценных агентных сред с русскоязычной поддержкой пока мало. YandexGPT и GigaChat поддерживают вызов инструментов, но не дают терминального агентного цикла, как Claude Code. Следите за обновлениями этих платформ и тестируйте зарубежные решения через VPN, где это возможно.

Перелом конца 2025 года показал простую закономерность: модели продолжат впитывать функции обвязки в свои веса, инженеры продолжат убирать то, что модель уже умеет сама, а оставшаяся обвязка будет всё больше обслуживать внимание человека, а не возможности машины. Для тех, кто работает с контентом, практический вывод один: осваивайте не конкретный инструмент, а логику «цель плюс границы плюс проверка». Инструменты сменятся, логика останется.