LLM → агент

Как из простой языковой модели собрать рабочий контур для учебного симулятора обращений граждан.

Простая LLM в центре

• LLM — ядро системы.
• Она генерирует текст, черновики, структуру.
• Без обвязки это ещё не агент.
• Ценность — в языке, а не в магии.

Контекст задаёт рамку

• Контекст — это цель, правила, история, примеры, источники.
• Без контекста ответ расплывается.
• Хороший контекст резко повышает качество.
• Это рабочее окно, а не память навсегда.

Спека переводит разговор в задачу

• Спека отвечает на вопрос: что именно нужно сделать.
• В ней важны цель, ограничения, формат, критерий готовности.
• Чем чётче спека, тем меньше шума.
• Это управление результатом.

Токены и окно контекста

• Модель работает не со словами, а с токенами.
• Длинный запрос занимает место и увеличивает стоимость.
• Чем больше вход, тем меньше места остаётся на ответ.
• Хорошая обвязка держит запрос компактным.

Инструменты дают действие

• Агент полезен, когда умеет действовать.
• Инструменты дают доступ к браузеру, поиску, файлам, формам.
• Модель сама не ходит по сайту и не проверяет ссылки.
• Инструменты превращают текст в рабочий процесс.

Память, шаги и проверка

• Агент может вести задачу в несколько шагов.
• Он хранит состояние текущей работы.
• Сверяет результат с источниками.
• Человек остаётся финальной проверкой.

LLM + обвязка = агент

• В центре остаётся LLM.
• Вокруг неё наращиваются контекст, спека, инструменты, память и проверка.
• Каждый слой добавляет новую возможность.
• На выходе получается агент, который работает в задаче.

Симулятор обращений

• Синтетическое обращение = учебный кейс.
• Участник запускает агента по промпту.
• Агент ищет информацию на сайте.
• Участник проверяет черновик и дополняет ответ.

Что унести с собой

• LLM сама по себе не решает задачу.
• Качество зависит от контекста и спеки.
• Инструменты делают модель полезной.
• Агент — это рабочий контур, а не один ответ в чате.