Ассистент, workflow и агент: в чём разница
Ассистент помогает выполнить отдельную задачу: подготовить черновик, разобрать документ, найти сведения. В таком рабочем сценарии человек задаёт дальнейшие действия и использует полученный ответ.
Workflow — заранее описанная последовательность обработки. В ней могут быть правила, развилки и обращения к модели. Переходы между этапами задаёт разработчик процесса.
ИИ-агент получает цель и выбирает дальнейшие действия с учётом промежуточного результата. Он может обращаться к разрешённым инструментам и менять порядок работы. Здесь используем архитектурное различие workflow и агента из материала Anthropic. В описаниях продуктов эти названия могут пересекаться, поэтому выясняйте, что именно система решает самостоятельно.
Источники: Anthropic: различие workflow и агентов
Учебная задача: ответить на запрос поставки
Представим компанию, которая получает запросы на оборудование. Нужно разобрать состав заказа, проверить каталог, уточнить недостающие сведения и подготовить предложение. Это учебный пример для сравнения архитектуры. Экономия и результаты внедрения в нём не измерялись.
С ассистентом менеджер сам находит позиции и условия, передаёт их модели и получает черновик. Затем сверяет документ и решает, что отправить. Здесь отдельно испытывается подготовка текста по готовым сведениям.
В workflow запрос проходит известные этапы: выделить реквизиты, сверить обязательные поля, найти позиции по заданным правилам. Неполный запрос уходит на уточнение. Для полного готовится черновик предложения.
Агенту можно поручить выбор действий: выяснить, чего не хватает в конкретном запросе, обратиться к разрешённому источнику, сопоставить сведения и решить, что делать дальше. Такой вариант стоит рассматривать, если обращения требуют разных путей обработки и эти различия сложно заранее перечислить.
Посмотрите, где меняется сама работа
Возьмите прошлые обращения. В них меняются только названия и количество или каждый раз приходится действовать иначе? Иногда менеджер заполняет один шаблон. Иногда ищет сведения в нескольких источниках, замечает противоречие и возвращается с уточнением.
Запишите решения, которые он принимает. У каждого должно быть основание: поле каталога, правило компании, ответ клиента или профессиональное суждение. Отметьте, какие решения уже можно описать однозначно. Длинная переписка сама по себе ещё не повод поручать системе самостоятельный выбор действий.
С чего начать без лишней сложности
Если нужен черновик по готовым данным, испытайте эту операцию отдельно. Если шаги и исключения известны, опишите их и соберите фиксированную последовательность. Агентный вариант имеет смысл сравнивать с ней на тех обращениях, где самостоятельный выбор действий даёт конкретную пользу.
Бывает, что сначала нужно подготовить сам процесс. Каталог давно не обновлялся, сотрудники по-разному понимают условия поставки, а право менять заказ нигде не закреплено. Выясните эти правила. Иначе будет трудно отличить ошибку системы от противоречия в работе компании.
Ограничьте действия и назначьте проверяющего
В нашем примере системе можно разрешить читать подготовленный каталог и создавать черновики. Утверждение цены, обещание срока и отправку клиенту оставьте менеджеру. При противоречии система должна показать спорные сведения и передать решение человеку.
Оценивайте точность извлечённых данных, соответствие источникам и соблюдение разрешённых действий. Подключение базы знаний помогает опираться на документы, но не устраняет ошибки модели полностью. Yandex Cloud отдельно рассматривает тестирование, контроль инструментов и валидацию качества как части такой системы.
Источники: Yandex Cloud: устройство агентов и проверка качества
Сравните варианты на одинаковых запросах
Подготовьте набор примеров: полный запрос, неизвестная позиция, пропущенное количество, срок, которого нет в каталоге. Для каждого определите приемлемый итог: черновик, уточняющий вопрос или передача менеджеру. Часть примеров отложите до завершения настройки.
Сначала запустите простой вариант. Агентный добавляйте, если есть задача для сравнения. Смотрите, что каждый вариант делает правильно, где ошибается и сколько правок требует. Повторите некоторые запросы. Для рабочего применения нужна картина разных запусков, включая неудачные.
Считайте затраты до готового ответа
Записывайте время обработки, обращения к инструментам, повторные попытки и работу менеджера. Расход модели не показывает, сколько стоит готовое предложение: сотруднику ещё нужно сверить условия и исправить ошибки.
Yandex Cloud в материале о наблюдаемости предлагает рассматривать действия агента, вызовы инструментов и потребление токенов вместе. Сохраняйте журнал выполнения, чтобы видеть причину дорогих или долгих запросов. Задайте предел времени или числа попыток и передачу задачи человеку после его достижения.
Источники: Yandex Cloud: наблюдаемость работы агента
Сохранить для своей задачи
Что решить до сборки агента
- Какие действия он должен выбирать самостоятельно?
- Какие источники считаются актуальными?
- Что ему разрешено делать и кто подтверждает остальные действия?
- На каких примерах оценивается качество?
- Когда выполнение останавливается и передаётся человеку?