02.3
Модуль 2 · AI: от промпта к продукту

Урок 3. AI-агенты: от «спросить модель» к «поставить задачу»

Урок 3

Прямо сейчас: создайте папку agent-demo на рабочем столе. Откройте её в терминале. Это будет полигон для агента.

Зачем это L&D-специалисту

Чат с моделью — это как позвонить эксперту: вы задаёте вопрос, получаете ответ, и на этом разговор окончен. Чтобы сделать что-то полезное, вы должны сами скопировать ответ, вставить в документ, запустить скрипт, проверить результат. Вы — курьер между моделью и результатом.

AI-агент — это исполнитель, который сам ходит по файлам, сам запускает код, сам читает документацию и сам проверяет результат. Вы не копируете ответы туда-сюда. Вы ставите задачу и принимаете готовый артефакт.

Для L&D это означает: агент может собрать программу курса из ваших материалов, проанализировать 50 отзывов студентов, сгенерировать тесты по учебнику, проверить контент на соответствие стандартам — без вашего участия в каждом шаге.

Чат vs Агент: в чём разница

Главное различие — не в «умности» модели, а в способе взаимодействия.

Критерий Чат Агент
Как работает Вопрос → ответ. Один ход. Задача → план → действия → результат. Много ходов.
Кто делает шаги Вы: скопировать, вставить, проверить Агент: сам читает, пишет, запускает
Доступ к файлам Только то, что вы вставили в промпт Читает всю папку проекта, ищет нужное
Исправление ошибок Вы видите ошибку → новый вопрос Агент видит ошибку → сам исправляет → перезапускает
Пример задачи «Напиши программу курса» «Возьми файлы из theory/, собери программу на 24 часа, сохрани в curriculum.md»
Метафора. Чат — это справочная библиотеки: вы спросили, вам ответили, вы пошли делать сами. Агент — это помощник, которому вы дали ключи от кабинета: он сам найдёт книги, сделает выписки, напечатает документ и положит вам на стол.

Инструменты: руки агента

Агент без инструментов — это просто чат. Инструменты — то, что превращает модель в исполнителя. OpenCode даёт агенту доступ к четырём типам инструментов:

Инструмент Что делает Аналог в реальном мире
Read Читает файлы и папки. Агент «видит» содержимое проекта. Открыть папку и прочитать документы
Write / Edit Создаёт и правит файлы. Агент «пишет». Ручка и бумага
Bash Запускает команды в терминале. Агент «делает». Клавиатура — выполняет действия
Grep / Glob Ищет по содержимому и именам файлов. Агент «ориентируется». Поиск по шкафу с документами
WebFetch Читает страницы в интернете. Агент «гуглит». Открыть браузер и прочитать статью
Метафора. Инструменты — это руки агента. Без них он только говорит. С ними — читает, пишет, запускает, ищет, проверяет. Ваша задача — не мешать рукам работать, а смотреть на результат.
➤ Запомните
Когда вы пишете агенту «создай файл», он использует Write. Когда «проверь, что получилось», он использует Read. Когда «запусти скрипт» — Bash. Агент сам выбирает инструмент под задачу. Вы просто говорите, что нужно сделать.

Автономность: цикл «план → действие → проверка»

Автономность агента — это не «магия». Это цикл из трёх шагов, который агент повторяет, пока не получит результат:

  1. План. Агент читает задачу и решает: «Чтобы сделать X, мне нужно прочитать файл Y, создать Z, запустить W».
  2. Действие. Агент выполняет шаг: читает, пишет, запускает команду.
  3. Проверка. Агент смотрит на результат. Если ошибка — возвращается к плану, исправляет, пробует снова.

Этот цикл — главное отличие от чата. Чат делает один ход и ждёт вас. Агент делает ход, проверяет, делает следующий — пока задача не решена.

Метафора. Агент — как стажёр, которому вы дали задачу, доступ к инструментам и право на ошибку. Он пробует, ошибается, исправляет, пробует снова. Ваша роль — поставить задачу понятно и проверить финальный результат. Не стойте над душой на каждом шаге.
Агент забирает механическую работу. Вы оставляете себе задачу и проверку.

Папка проекта, OpenCode и модели РФ

Агент работает в контексте папки. Всё, что он видит и меняет — внутри этой папки. Это как дать помощнику отдельный кабинет: он не пойдёт переставлять мебель в соседнем крыле, если вы не скажете.

OpenCode — это одна из сред, в которой агент получает инструменты и выполняет задачи. Вы создаёте папку проекта, скачиваете десктоп-версию OpenCode на свой компьютер, запускаете, подключаете папку проекта — и агент готов к работе. Бесплатный материал о первом агенте →

Под капотом агента — языковая модель. Для работы из РФ без VPN доступны несколько провайдеров:

Провайдер Модели Особенность
OpenRouter Claude, GPT, Gemini, DeepSeek и др. Единый API-ключ, доступ ко всем моделям. Работает из РФ.
Yandex Cloud YandexGPT Российский провайдер, без VPN, лимиты бесплатного tier.
SberCloud GigaChat Российский, без VPN, своя экосистема.
Рекомендация: для тренировки используйте OpenRouter с DeepSeek — оптимальный баланс «цена / качество / доступность из РФ». API-ключ получаете за 2 минуты на openrouter.ai.

Промежуточный итог

Вы знаете, чем агент отличается от чата, какие инструменты у него есть и как работает цикл автономности. Вы понимаете, что агент — это исполнитель с доступом к файлам и терминалу, который сам планирует шаги и исправляет ошибки. Дальше — шпаргалка и практика.

Вы перестаёте быть человеком, который копирует ответы из чата. Вы становитесь тем, кто ставит задачи и управляет результатом.

Это переход от оператора к руководителю. Не «напиши текст», а «собери курс из этих материалов и сохрани в трёх форматах». Не «исправь ошибку», а «просканируй проект, найди проблемы, исправь, проверь». Масштаб задач растёт — количество ваших действий сокращается.

Шпаргалка

Термины

Термин Определение
AI-агент Модель + инструменты + цикл «план → действие → проверка»
Инструмент (tool) Функция, которую агент может вызвать: прочитать файл, записать, запустить код
Автономность Способность агента делать несколько шагов подряд без участия человека
OpenCode Среда запуска агента: даёт модели доступ к файлам, терминалу и поиску
Контекст (папка) Рабочая директория агента — всё, что он видит и меняет, внутри этой папки

Шаблон задачи для агента

Хорошая задача для агента содержит четыре элемента:

  1. Что сделать — конкретный результат (файл, папка, структура).
  2. Где взять исходные данные — путь к файлам или папке.
  3. Куда положить результат — имя файла или папки.
  4. Как проверить — что должно быть в результате.

Пример: «Возьми файлы из materials/, собери программу курса на 12 часов, сохрани в output/program.md. Проверь, что каждый модуль содержит цели, темы и практику.»

Пирамида AI-инструментов

От простого к сложному — что и когда использовать:

Уровень Инструмент Когда применять
1. Промпт Чат с моделью Один вопрос — один ответ. Быстрая справка, идея, перевод.
2. RAG Модель + ваши документы Ответы по базе знаний, стандартам, регламентам.
3. Агент Модель + инструменты + автономность Собрать, проанализировать, сгенерировать, проверить — за много шагов.
4. Fine-tuning Дообученная модель Уникальный стиль, формат, терминология — когда промпта не хватает.

Практика

Упражнение 1. Папка и запуск (5 мин)

Создайте полигон для агента и запустите OpenCode:

  1. Откройте терминал (PowerShell)
  2. Перейдите на рабочий стол: cd Desktop
  3. Создайте папку и зайдите в неё: mkdir agent-demo → cd agent-demo
  4. Запустите OpenCode: opencode
  5. Убедитесь, что агент запустился и видит папку
Упражнение 2. Первая задача для агента (10 мин)

Дайте агенту простую задачу, чтобы увидеть цикл «план → действие → проверка»:

  1. В OpenCode напишите: «Создай файл hello.md с заголовком "Привет, агент!" и списком из трёх любых L&D-тем. Проверь, что файл создался.»
  2. Наблюдайте: агент напишет план, создаст файл, проверит результат
  3. Убедитесь, что hello.md появился в папке agent-demo
Упражнение 3. Артефакт из нескольких файлов (15 мин)

Дайте агенту задачу, требующую создания нескольких файлов:

  1. В OpenCode напишите: «Создай папку course-brief. Внутри создай три файла: goals.md (цели курса для L&D-специалистов), audience.md (портрет аудитории), structure.md (структура из 3 модулей). После создания проверь, что все файлы на месте.»
  2. Наблюдайте, как агент планирует, создаёт, проверяет
  3. Откройте файлы — оцените результат
Упражнение 4. Агент в терминале (10 мин)

Дайте агенту задачу с использованием терминала:

  1. В OpenCode напишите: «С помощью терминала выведи содержимое папки course-brief. Потом посчитай количество файлов в папке и допиши эту информацию в файл hello.md. Проверь результат.»
  2. Агент использует Bash (команды ls, wc) и Edit
  3. Проверьте hello.md — в нём должна появиться информация о файлах
Упражнение 5. Чат vs агент — почувствуйте разницу (15 мин)

Одну и ту же задачу выполните двумя способами и сравните:

  1. Откройте обычный чат с Claude/ChatGPT
  2. Попросите: «Напиши структуру тренинга по коммуникации на 4 часа»
  3. Скопируйте ответ в файл вручную, сохраните как chat-result.md в папке agent-demo
  4. Теперь в OpenCode напишите: «Создай файл agent-result.md со структурой тренинга по коммуникации на 4 часа. Проверь, что файл создался и содержит 4 блока по часу каждый.»
  5. Сравните усилия: в чате — вы копировали и сохраняли. С агентом — вы только поставили задачу.

Инсайт: разница не в качестве ответа, а в том, кто делает механическую работу.

Упражнение 6. Агент читает документы (10 мин)

Агент умеет читать ваши файлы и работать с их содержимым:

  1. Создайте файл notes.txt в папке agent-demo с произвольным списком из 5–7 L&D-тем (каждая с новой строки)
  2. В OpenCode напишите: «Прочитай notes.txt, выбери 3 самые актуальные темы для 2026 года и сохрани их в файл top-3.md с кратким обоснованием для каждой. Проверь, что файл создался.»
  3. Агент прочитает → проанализирует → создаст результат
  4. Оцените выбор агента — согласны?
Открыть гайд «Как собрать своего первого AI-агента без кода и терминала»

После практики

Чек-лист готовности

Артефакт урока

После урока в папке agent-demo должна появиться структура:

Desktop/
└── agent-demo/
    ├── hello.md
    ├── chat-result.md
    ├── agent-result.md
    ├── notes.txt
    ├── top-3.md
    └── course-brief/
        ├── goals.md
        ├── audience.md
        └── structure.md

Челлендж на завтра

Дайте агенту реальную L&D-задачу из вашей практики. Например: «Проанализируй программу курса (если есть в файле), предложи 3 улучшения и сохрани в improvements.md». Или: «Создай шаблон брифа для заказчика обучения». Цель — не идеальный результат, а привычка думать задачами, а не вопросами.

Что дальше

В следующем материале — Fine-tuning. Вы узнаете о возможностях дообучения моделей под свой стиль и задачи, чтобы она говорила вашим голосом и следовала вашим стандартам. Но сначала закрепите работу с агентом — это фундамент.

Проверь себя

1. Чем AI-агент принципиально отличается от обычного чата?

2. Что такое tool calling?

3. Какой главный цикл работы агента?

4. Что самое важное для успешного агента?

← Урок 2. RAG: научите модель отвечать по вашим документам М2. Урок 4. Fine-tuning: научите модель вашему стилю →