ИИ-агенты в работе аналитика: что уже можно автоматизировать. Ведущий - Ксения Теселкина

Всем добрый день. Рада вас видеть на вебинаре. И агенты в работе аналитика. Сегодня мы поговорим о том, как аналитик будет работать с агентами в ближайшее время и как он сможет сделать эффективнее свою работу. Пусть не в 10 раз, но в раз точно.

Меня зовут Ксения Челкина. Я являюсь опытным аналитиком. Работаю в IT-сфере уже с 2010 года. [вздыхает] Более 8 лет аналитиком, с 2015. И начинала я как разработчик C# ARP, закончила как менеджер продукта и fullstack-аналитик. Последние несколько лет я работаю в ВК ID старшим менеджером продукта. Руковожу созданием и развитием ключевых продуктов. В общем, у меня большой опыт разработки разного вида программного обеспечения.

А, ну, а также я последние несколько лет, а, активно работаю с искусственным интеллектом, а, разрабатываю на нём приложения, прототипы приложений и использую в своей ежедневной рутине. Поэтому у меня есть знания как, а, о том, как применять искусственный интеллект и в больших корпорациях с их ограничениями, так и в небольших компаниях и фирмах, а, для которых нужно быстро запустить программный продукт какой-то и разработать требования.

А сегодня вебинар у нас займёт приблизительно мм полтора часа. А мы с вами поговорим про то, какие есть ИИ-агенты в настоящее время, какие популярные платформы есть, на которых можно работать с агентами. Посмотрим небольшое демо в курсоре, которое я вам покажу. Также поговорим о безопасности, о внедрении и о том, что нам вообще делать с этим дальше.

В 2026 году наступила эра ИИ-агентов. По прогнозам, уже к концу года около 40 корпоративных приложений будут интегрированы с ИИ-агентами, то есть в них будут встроены ИИ-агенты. А мы переходим к тому, что у нас не просто сейчас чатботы с искусственным интеллектом, а именно автономные агенты, которые способны планировать, исполнять сложные задачи, а без пошагового контроля человека.

И вот для аналитиков это особенно актуально, поскольку аналитикам к аналитикам выдвигаются уже требования на рынке труда о том, что они сами должны уметь использовать ИИ-агентов для того, чтобы упрощать свою работу, ускорять свою работу, автоматизировать рутину, а и быстрее предоставлять фичи на рынок. Но и также, э, к ним предъявляются требования о знании этих технологий для того, чтобы внедрять их в разные приложения.

И вот как раз в 2026 году его официально, так можно сказать, в интернете называют годом ИИ-агентов. А потому что все крупные продукты для бизнеса встраивают их в свои процессы. А сейчас уже делают крупные вендоры, которые предоставляют LLM-модели не просто агентов, а целые мультиагентные системы. А и появились зрелые фреймворки с агентами "из коробки", которые очень легко запускать, с которыми может работать любой человек, низкий порог входа. Тот же OpenClog, который сейчас массово устанавливают в Китае, показал как раз, что люди заинтересованы в том, чтобы иметь своего персонального помощника. И а уже есть технологии, которые позволяют это очень быстро реализовать.

Понятное дело, что не факт, что такой агент будет действительно полезен каждому человеку. И вот как раз в сегодняшнем вебинаре мы поговорим в том числе ещё о том, а как автоматизировать именно те задачи, э, которые имеют смысл автоматизировать, а не просто поиграться вот с этими ИИ-агентами.

Почему же аналитикам нужно учиться работать с ИИ-агентами уже сейчас? Ну, во-первых, резко увеличилась скорость разработки и time to market. Аналитик должен очень быстро разбирать входящие требования, анализировать, писать новые, обновлять документацию. Это всё без потери качества, лучше с лучшим качеством. И вот как раз агенты помогают ускорить этот анализ и создание артефактов. [фыркает]

А, во-вторых, растут объёмы информации, которую нужно учитывать. У нас, ээ, из-за того, что не только мы должны работать быстрее, но и разработчики разрабатывают быстрее. А остальные члены команды генерируют контент с помощью нейросетей. Те же тот же бизнес быстрее анализируют бизнес-проблемы, делают анализ конкурентов и так далее. Соответственно, объёмы информации вокруг нас очень быстро растут. Плюс другие м продукты тоже активно очень развиваются, появляются новые технологии. И вот нужно держать некоторую целостную картину вот всего окружения нашего для того, чтобы как раз эффективно выполнять свою работу. И агенты тоже в этом могут помочь.

А также меняется ожидаемый уровень продуктивности аналитика. Сейчас уже по вакансиям как раз видно, что аналитику [вздыхает] нужно знать уже и инструменты. Во многих вакансиях это явно указано. А плюс, а во многих командах уже нормой становятся итерации с ИИ, например, с кодом. Ну и точно также ожидается, что будут некоторые итерации по разработке спецификации, стори, стори, и так далее уже для аналитика. То есть ээ здесь как раз мы должны не отставать от команды разработки.

И чтобы понимать вообще, что может аналитик делать с ИИ-агентом, нужно понять его архитектуру в первую очередь. Ну, как мы, собственно, разбираемся всегда с тем, а как устроена какая-то предметная область для того, чтобы реализовать какой-то программный продукт, да, и требования к нему. Вот тут давайте мы разберёмся сначала с основными понятиями, а именно с ИИ-агентом. Чем он отличается от, например, чата с LLM, да, с большой языковой моделью?

Ну, во-первых, у ИИ-агента точно так же, как и у чата, вот ядро LLM, можем так назвать это, да, есть некоторый входящий запрос от пользователя. И агент в конечном своём счёте генерирует некоторый ответ или он выполняет какие-то действия в в ответ на запрос пользователя. Вот первое отличие: в отличие от чата с LLM, который генерирует только текст, ИИ-агент, он выполнять может ещё дополнительные действия некоторые. Поэтому внутри он устроен сложнее, чем просто чат.

Что у него внутри есть? У него есть некоторый механизм планирования и выполнения вот этого цикла действий. То есть на на вход, когда поступает некоторый запрос, а его обрабатывает и мм на с помощью некоторых алгоритмов она его на основе этого запроса создаёт план действий. А чтобы она создала этот план действий, есть специальные инструменты для того, чтобы [откашливается] вот LLM заставить это делать. Дальше этот план действий аа включает в себя использование не просто там информации получения откуда-то, да, но и использования некоторых инструментов. Этими инструментами может быть в примитивном самом случае чтение каких-то файлов, аа чтение файлов с компьютера, доступ в интернет, а доступ к некоторым плагинам, написание кода и запуск этого кода, вызов командной строки терминала, вызов сторонних API, подключение к сторонним, так называемым, MCP-серверам. Мы об этом поговорим тоже. [тяжело вздыхает] [вздыхает] В общем, а инструментов у у агента становится множество. И дальше в этом цикле, а, после выполнения каких-то действий LLM дальше решает, опять же, была достигнута цель или не было. Если не была, то происходит вот этот цикл планирования, снова коррекции плана и снова выполнения мм операций.

И также у LLM-агента есть память, которая позволяет, агенту а м сохранять, во-первых, результаты своих операций, во-вторых, сохранять исходный запрос, сохранять, а, ответы, которые она генерирует и действия, которые она генерирует в ходе этих операций, да, и всю историю чата. Плюс, а можно сделать долгосрочную память, когда наш, а, LLM использует так называемые RAG-системы, например, и ходит куда-то в сторонние источники данных, где хранится долгосрочная некоторая информация. Ну и, в общем, у нас агент вот как раз идёт по этому циклу и пытается любой ценой достичь результата.

А если в этом и отличие чатбота от ИИ-агента, поскольку чатбот он просто генерирует на входящий запрос пользователя токены, вероятностные, э, некоторые предложения и слова, да, которые, мм, как раз вот большая языковая модель генерирует в ответ на входящие токены, а некоторый прогноз, да, то ИИ-агент он ещё оценивает, что он сгенерировал и оценивает. Вообще был ли достигнут результат или нет.

И как раз есть разные уровни инструментов с ИИ. Самые примитивные - это LLM-чаты. Аа это системы, предназначенные для быстрого ответа и генерации текста. Ну вы все с ними сталкивались. ChatGPT, Claude, Gemini и им подобное. А далее это AI IDE, так называемые. Это среда разработки с интегрированными ИИ-агентами-помощниками для написания, рефакторинга кода и не только. А вообще IDE сейчас используется не только для написания кода, но и для мм работы с дизайнами, работы с документацией, с требованиями. Этот подход всё становится более популярным, потому что как раз-таки он позволяет эффективно работать с файлами, а и агентом. И вот как раз есть такие среды, как Cursor, Copilot, а Claude, Code, Antigravity и множество других уже. Вот Codex вышел на днях от OpenAI. Ну, у всех у них плюс-минус один и тот же принцип.

А есть, а, AI-агентные фреймворки. Это инструменты для создания автономных ИИ-агентов, которые можно либо развернуть у себя локально, а, на каком-то сервере или компьютере, а, либо облачно запустить. И, в общем, м там сам агент, его код, ну, как правило, либо в открытом виде находится, либо в виде какого-то фреймворка содержится, и можно быстро и эффективно работать с такими агентами, их создавать и настраивать. Но это больше всё-таки, а, фреймворки для ML-разработчиков, для тех, кто глубоко погружен в работу с кодом, и туда порог входа достаточно большой.

Ну и есть AI-код AI-платформы. Это платформы для быстрого создания ИИ-решений. А, как правило, они профильные. Ну, типа, например, как в Figma есть, а, AI-агент, с которым можно общаться для того, чтобы создавать дизайны. Или мм есть N8N тот же, да, а где есть модули, которые можно подключить к бизнес-процессу, который автоматизируется в N8N, и а быстро настроить а соответственно а платформу с агентом. А сюда же также можно отнести, например, какие-нибудь сайты для генерации лендингов и не и простых достаточно сайтов. В общем, там можно делать неплохие решения, но, как правило, они очень сильно ограничены платформой.

И, а, можно также ещё разделить агентов на персональных ассистентов, а, которые помогают нам, а, в рассуждении, ну, в каких-то ежедневных делах, да. А вот как как раз я как сказала, некоторые визуальные автоматизаторы, как N8N, когда мы видим работу агента в виде некоторых нод или шагов и видим, как он идёт по вот этим шагам и выполняет свои действия. Вообще вот такие операции по мм обработке информации, да, от начала, от какого-то входящего запроса до результата. А сейчас принято называть пайплайном такое новое слово. Пайплайн, оно пошло из обработки данных из от дата-аналитиков, от ML-инженеров. А та они раньше так называли процессы, ну и сейчас называют процессы обработки, например, данных и дальнейшее обучение модели и м её тестирование. Например, пайплайн такой был, да? А сейчас пайплайнами называют, в том числе работу агента по каким-то фиксированным заранее шагам. [фыркает]

А есть инженерные агенты, которые позволяют создавать, редактировать файлы, писать код, а в некоторой среде разработки и open-source фреймворки различные, а которые можно использовать а локально устанавливать себе и а они более безопасны для обработки данных. Там информация корпоративная никуда не утекает, она находится под контролем. Ну, соответственно, для них и больше настройки требуются, и больших знаний технических.

Ну и сейчас модны мультиагентные системы - это когда у нас не один такой агент, а их множество, и каждый отвечает за свою специфическую задачу, они вместе взаимодействуют для достижения общей цели. Например, а для разработки программного обеспечения можно выделить агента проектирования, который будет проектировать, ой, агент, извиняюсь, требования, который будет писать требования, уточнять их, а, анализировать все входящие артефакты, задавать уточняющие вопросы и так далее. А руководство определённой методологией, генерировать как раз мм пакет требований. Дальше он этот пакет требований передаёт агенту проектирования. Он проектирует архитектуру, дизайн решения, возможно, ревью агента с требованиями, который делает требования, делает ему замечание. Дальше после выполнения его работы он передаёт агент агенту разработки свою информацию. Тот пишет код, потом подключается агент тестирования, он пишет автотесты, выполняет ручное тестирование, но агенты тоже могут выполнять условно ручные операции в браузере, имитируя действия пользователей. А дальше есть агент развёртывания, который деплоит это всё на сервер, и агент мониторинга, который отслеживает производительность, собирает обратную связь, опять же передаёт всё это агенту, а, системному аналитику.

Вот у меня такой пайплайн на одном проекте развёрнут, я им пользуюсь. Аа интересно смотреть за результатами, но, а, конечно же, всё равно агентов сейчас нужно контролировать. То есть, мм, если вы, э, пустите вот эту систему просто в жизнь, а не факт, что она разработает именно то, что вам нужно, а с большой вероятностью она потратит кучу токенов, а это куча денег, и, соответственно, мм вы не получите того результата, который вам нужен. А для того, чтобы сделать такую систему действительно рабочей, нужно потратить много времени на доработку и обучение этих агентов, каждого внимательно по вашим замечаниям, а и адаптируя его к вашему бизнесу.

И вот как раз, чтобы создавать таких агентов, да, под себя, под свой бизнес, а потому что универсальных не будет. Точно так же, как нету универсального специалиста. Вы же, когда приходите на новую работу, вы всё равно погружаетесь в новую предметную область. Вы изучаете правила, которые приняты на этом месте в этой компании, бизнес-процессы, инструменты, которые там используются, определённые шаблоны, по которым пишется документация. Вот тут то же самое. Если вы хотите, чтобы агент был вашим действительно реальным помощником, а не так игрушкой, которую вы просто один раз попробовали и потом не используете в работе, вам нужно будет потратить довольно много времени, а, ну, плотно с ним поработать, аа, и постепенно в него добавлять м часть своих рутинных задач, автоматизировать их по кусочкам, да, а проверяя результат, чтобы он качественно работал.

И, собственно, какие же задачи можно передать аналитику? Какие же задачи может передать аналитика ИИ-агенту? А агенты наиболее полезны там, где задачи повторяемы, структурированы и требуют интеграции с внешними системами. Ну, например, мы можем поручить агенту ээ писать требования по некоторым шаблонам, анализировать эти требования. Мы можем, а, просить агента м делать карты бизнес-процессов, искать уязвимости, искать бутылочные горлышки в этих бизнес-процессах, а, оценивать, выполняются или нет, а писать ИИ-код и так далее. Аа мы можем запустить агента на анализ данных, метрик, а на то, чтобы писать SQL-запросы, на то, чтобы анализировать их, делать BI-отчёты. А можем просить агента писать API-документацию, проектировать интеграции. Ну и также мы можем поручать агенту такую рутинную операцию по обработке резюме встреч, протоколов, согласований, подготовки к этим, а интервью, в общем, мм так предварительную или постобработку самих интервью.

Аа, ну для системного аналитика, наверное, актуальны такие сценарии, когда мы хотим сгенерировать некоторые диаграммы быстро на основе требований в текстовом виде, да? А потому что на самом деле отрисовка этих диаграмм, но требует большого времени. Вот эти диаграммы, а, как пример, сгенерированы как раз, а, ИИ-агентами, а, в Cursor, а, мо можно генерировать их в различных форматах. А сейчас есть форматы, которые позволяют генерировать диаграммы программно. А например, диаграммы BPMN генерируются в формате то BPMN. Диаграммы различные UML генерируются с помощью Mermaid или PlantUML, а, языков, так называемых, разметки, а, и потом их можно, а, синхронизировать с вашими требованиями. Соответственно, они будут, а, и агент будет, обновляя требования, обновлять сразу и диаграммы. У вас всё будет консистентно, не будет такой ситуации, когда у вас диаграммы устарели, а требования уже убежали вперёд текстовые, и вы не можете эту диаграмму никому послать.

Второй сценарий тоже интересный. А я не говорю про примитивные сценарии сейчас написания текста требований. Я говорю про какие-то более интересные сценарии. Это, например, когда вы, а, хотите сгенерировать API-документацию. И, соответственно, вы можете запустить агента, который пройдёт по репозиторию, а, проверит API-контракты, которые уже есть, и сформирует вам, например, а, документацию Swagger, да, либо пройдёт по методам, пройдёт по юзкейсам, например, каким-то или по описанию интеграции и тоже сгенерирует такую API-документацию или проверит её на актуальность или вообще, в принципе, можно попросить агента проверить работоспособность, э, какой-то API, дав ему ключ и, соответственно, а попросив его протестировать все методы, посмотреть, что там приходит в ответ. Например, когда вам нужно поинтегрироваться с каким-то сторонним сервисом и у них нету хорошей документации. А вот ну и когда вы генерируете, например, документацию с помощью ИИ-агента, круто, что мы можем сразу же, например, а описать хорошо эту документацию. Не так, что у нас мы просто а методы описали, там описали и всё. А а мы можем хорошо прописать все ошибочные состояния, а все поля данных, сделать примеры для работы, да? Всё это быстро сконвертировать в Swagger-документацию, в которой можно сразу тестировать. И таким образом наши усилия значительно сокращаются, если бы мы это писали вручную. Я даже вот сейчас не представляю, как это делать вручную. Это очень долго. А, а если у вас есть, например, ваша диаграмма классов или модель данных, справочник, а, ну, вот такие вещи делаются вообще в лёд.

Также можно выполнять мониторинг изменений в системе. Например, аа у вас разработчики что-то сделали, реализовали, а и вы хотите посмотреть, сделать некоторое приёмочное тестирование, посмотреть, как фактически работает система, да, в сравнении с вашими требованиями. Например, вы можете попросить агента сравнить фактическую реализацию системы какого-то сервиса с требованиями, и он найдёт все расхождения. А и вам не нужно вручную тыкать кнопки. Понятно, что фронтовые задачи так не всегда эффективно проверять. Не все, возможно, фронтовые ошибки агент найдёт, но опять же тоже можно попросить это сделать. Он будет польз как пользователь выступать, а кликать по кнопочкам и делать скриншоты, смотреть, что получается. А это всё делается достаточно просто в таких инструментах, как Cursor, аэ, и ему подобных. Можно настроить себе, а сценарии, когда, например, появляются новые, а лреквесты, а в репозитории, например, и у вас сразу какой-то обработчик их обрабатывает, вам выдаёт, что разработчики там сделали, например, э в этом в этой версии системы.

Ну и ещё интересный сценарий, а когда мы даём, например, агенту какую-то текст задачи, например, какой-то на доработку уже имеющейся системы, даём ему доступ к репозиторию, например, говорим: "Доработай какой-то там модуль, сделай", например, интеграцию. Он получает из репозитория весь актуальный код. Он его сразу анализирует. Он понимает, как работает система сейчас. Вам не нужно ходить по разработчикам, чтобы узнать, как считается, например, какая-то сложная математика или какие есть модели, какие есть поля у какого-то объекта, да, в системе. Вы просто пускаете агента, он это всё анализирует и пишет вам ТЗ на основе вашей задачи по доработке этого блока [откашливается] и выполняет, например, дальше ревью того, что он сделал. И вот даёт вам уже более качественный результат. Вот такой пайплайн тоже можно настроить.

Ну и тогда у нас возникает вопрос: а, собственно, а зачем нам человек, если у нас есть ИИ-агент? Ну вот ИИ-агент он, во-первых, понятно, очевидно, он ошибается. Всё-таки это вероятностная система. А у нас большие языковые модели, они работают как предсказатель, да? То есть там под капотом у нас модель предсказания следующего токена, следующий следующего слова, условно. И ээ они могут работать неправильно, выполнять эти предсказания неправильно, в зависимости от того, как бы контекст у них есть, как мы их обучили. [тяжело вздыхает] И а нам нужно обязательно выполнять ревью. А также ИИ-агент не может решать, принимать решения финальные, да, потому что он принимает их на основе опять же какой-то своей общей информации о мире, плюс о контексте, которого вы ему передали. Ну и, а, м, его всё равно нужно, конечно, контролировать и принимать финальное решение. А что делать?

Также человек должен настраивать ограничения для такой системы, что можно делать, что нельзя, писать условную должностную инструкцию для такого ИИ-агента. Сам агент может её написать, но её опять же должен должен проревьюить человек. Мм, [откашливается] ну и где же агент даёт у нас эффективность? Мм, как раз, э, высокая эффективность мы наблюдаем в повторяемых задачах, а, в задачах, где нужно с какими-то внешними сервисами интегрироваться и что-то в них делать. А для этого у ИИ-агентов как раз есть сейчас мощные инструменты, такие как, например, MCP. Это сервис. Серверы для того, чтобы агент мог использовать программное обеспечение, а не через API стандартный, которым есть некоторый набор методов, да, есть описание этого API, а поднимаются специальные сервера, в которых есть как раз вот эти методы ИИ, но дополнительно к ним идут инструкции, назовём это промтами, системными промтами, можно так назвать. Как именно использовать это API, как будто его использует человек, да? То есть там вот эти связь с внешним сервисом, она обогащается инструкциями для агента в этих MCP-серверах. И такие MCP-серверы сейчас уже есть у Figma, у Confluence, аа у Google, ну у у большинства инструментов, которые вы можете представить себе, с которыми вы постоянно работаете. У Miro, а у всех есть MCP-сервер, с которым агент очень эффективно работает. Он гораздо быстрее работает с с MCP-серверами, чем с API, потому что у него там эти инструкции в инструментах сразу заложены. Плюс у нас вот появляется универсальный, а протокол мм взаимодействия с внешним миром у агента, по которому работают все системы и пишут его универсально. Соответственно, разработчики вот этих LLM-моделей, они могут как раз-таки обучить своих моделей, чтобы они эффективно работали с этими MCP-серверами. А, ну сегодня тема у нас не про MCP, но вы можете эту тему отдельно изучить.

В общем, [откашливается] высокий порог, высокая эффективность агентов у нас наблюдается там, где у нас есть генерация чего-то, отчётность, дэшборды, сверки данных между системами, какие-то шаблонные генерации документов, генерации диаграмм, а, анализ текстовых и графических файлов. Низкие же у нас эффективность использования агентов наблюдается, когда у нас данных нет, то есть у нас данные не оцифрованы. А, например, вы общаетесь с каким-то стейкхолдером, и всё у него в голове, да? А вот как раз, чтобы задать ему вопросы, вытащить из него, всё-таки лучше подходит человек. Для того, чтобы принять какие-то значимые решения, тоже лучше подходит человек. Для того, чтобы оценить риски без без исторических данных на основе интуиции, лучше подходит человек. Для того, чтобы делать переговоры, ну, до последнего времени тоже лучше подходил человек. Сейчас я знаю случаи, когда ChatGPT запускают ээ переговариваться по телефону. Он переговаривается, как будто это его хозяин, и договаривается о чём-то эффективно. Но всё равно мы всё ещё люди, мы всё ещё работаем в коллективе людей, и переговоры и политика остаются на нашей зоне ответственности.

И мы видим, что наблюдается бум разработки систем с ИИ-агентами. Теперь аналитикам придётся всё активнее проектировать и внедрять агентные системы как для собственных задач, для автоматизации своей рутины, так и в создаваемых ими продуктах. Вот мне интересно, а работает ли кто-то из вас а в продуктах, где внедряется сейчас активно ИИ-агенты? У меня уже есть несколько проектов таких, где мне нужно было внедрять ИИ-агента. Напишите под видео в комментариях, если у вас такие продукты.

Ну и, в общем, здесь у нас получается роль аналитика уже не в том, чтобы просто написать требования, да, проанализировать бизнес-процессы и как-то их автоматизировать, а нужно уже их автоматизировать с помощью ИИ-агента, так скажем, да. То есть это уже следующий шаг. То есть мы сначала просто автоматизируем а процессы. Мы производим, а цифровизацию, да, то есть переводим некоторые документы в электронный формат, все знания в электронный формат. Потом над этим делаем какую-то автоматизацию, а потом ещё усложняя, мы добавляем ИИ-агента, который будет замещать часть задач ручных, которые выполняют сейчас люди, да? Соответственно, а бизнес-аналитик должен формулировать цель, для чего будет использоваться агент, находить повторяющиеся процессы, куда можно внедрить агента, вообще оценивать, а насколько эффективно будет использовать ИИ-агента в данной ситуации или нет. А приоритизировать, какую ситуацию стоит поручить агенту, а какую нет.

Системный [фыркает] аналитик же будет описывать сущности, правила, границы системы для того, чтобы передать их в контекст ИИ-агента, да? То есть ему нужно будет передать знания ИИ-агенту о системе, чтобы тот мог тоже в этой системе работать. А он должен формализовать цепочку действий. На какие действия агент как должен реагировать, в когда в какой процесс должен вызываться, а чтобы для агента это была понятная история, да, тоже.

Ну и те, кто проектирует ИИ-агентов, обязательно должны формулировать требования к безопасному поведению ИИ-агентов, потому что ИИ-агенты, ну, если их не контролировать, не ограничивать, а так называемый guardrails не вводить, то и агент а может вести себя как обезьяна с гранатой, условно, он может удалить файлы, там что переделать, сделать совершенно не то, что вы ожидали. Соответственно, а его нужно уметь тоже ограничивать.

Ну и, э, на какой же платформе нам работать, да? Вот я перечислила множество инструментов, типов инструментов, да, можно фреймворк выбрать, можно выбрать, можно работать в чате. Зависит от того, мм, с каким стеком технологий вы будете работать, какие типы задач у вас будут, какой контроль над данными вам нужно, а, иметь и какой порог у вас входа.

Ну и давайте посмотрим на разные системы популярные, которые сейчас есть. А первая система, а самая, наверное, одна из самых популярных, в которых можно делать ИИ-агентов - это система Cursor. [фыркает] Это не просто редактор кода уже, а в нём ИИ и на уровне ядра. То есть всё в этой системе, в этой крутится вокруг работы аа AI-агентов. В нём реализовано множество инструментов для агентов.

таких как скилы. Это различные переносимые, а-а, правила того, как нужно выполнять ту или иную операцию. Ну вот как вы учитесь, э, мм, кататься на велосипеде, вот представьте, что вы можете вот из мозга вот это вот знание вытащить и передать другому человеку. Вот это будет скилл. Или готовить пиццу, например, да? Вот готовить, как готовить пиццу, вы можете описать текстово и передать другому человеку. Вот, по сути, это и есть скилы.

А также есть так называемые rules, или правила ограничения того, как мы, что мы можем делать, что мы не можем делать и что в какой ситуации мы должны делать, а которые включаются или выключаются в определённой ситуации. Ну, например, а если я выхожу из дома, я должна закрыть на ключ дверь, да, у меня есть некоторый триггер и события, что я и действия, которые я должна сделать. А и есть правило, что это работает всегда. А может быть и не всегда. Например, если я просто хочу дойти до лифта и там с кем-то пообщаться, я не делаю этого. Да, вот такое правило.

А есть в курсоре ещё интеграция с различными MCP, как я сказала, а различными инструментами. Плюс в курсоре в самом есть множество встроенных инструментов. Работа с браузерами, работа с командной строкой, работа с файловой системой. Аа есть ещё классный, так называемый курсор К2. Ну, в общем, много инструментов, а, которые курсор потихонечку внедряет. И, м, в курсоре есть ещё индексация и запоминание, точнее, [фыркает] векторизация всей базы, которая у него есть, информации, которая у него есть. То есть, если вы с ним работаете, вы, например, в него загрузили проект, он фоном этот проект, а, проиндексирует и а будет предоставлять агенту только нужную информацию из этого проекта по смыслу, не по по фактическому совпада совпадению. Например, когда агент разбирает, не знаю, а методы какие-то, он не просто будет искать название ммцы, да, или файла с апиметодами, он по смыслу будет искать все места, где хоть как-то упоминались апиметоды или м какие-то места, на кото которые могут повлиять на разработку этих апиметодов. То есть, а здесь у нас курсор очень мощная система, а плюс у него сам движок вот этот агентный мощный, который позволяет ему разбивать задачу на подзадачи и дальше в цикле их обрабатывать. А курсор обновляется реально каждые там, а, неделю. У него постоянно высвечивается: "Обновитесь, обновитесь". Аа, ну, понятное дело, это платный инструмент. До недавнего времени он работал без VPN, но последнюю неделю, как мы, к сожалению, можем видеть, для большинства моделей, которые у него есть, он требует VPN. Именно поэтому сегодняшний вебинар, а, у нас, к сожалению, не прошёл в онлайне, потому что нам бы всё равно потребовался VPN, а Zoom не даёт работать сейчас с VPN.

Аа дальше, мм, ну вот про это я уже всё рассказала, что умеют агенты. А в курсоре также есть из того, что я не сказала, автоматизация, когда мы делаем так называемые хуки, по-другому ещё, а когда мы объявляем какое-то событие, после которого у нас что-то должно произойти автоматически. А, например, а раз каждое утро нужно нам присылать сводку об изменениях в документации или в коде, или там что там, какие экраны сделали дизайнеры Фигме или ещё что-то. Ну, такие автоматизации мы можем сделать. А агенты сами очень автономные. Они могут тестировать а себя, друг друга, могут вызывать субагентов, то есть так называемых помощников, да, себе. То есть, когда один агент делает какой-то процесс, и он потом хочет, ну, ему нужно вызвать другого агента, который не знает всей информации об этом процессе, но он, например, только должен знать часть информации. Например, он должен проверить этого агента, не видя его рассуждений. Ну, то есть, например, агент сгенерировал документацию, а другой агент должен проверить эту документацию. Так называемый субагент, он его вызовет и передаст ему только уже финальную документацию и правила проверки. тот его проверит, выдаст замечание и основной агент их, например, поправит. Плюс в курсоре можно вызывать цепочки агентов. А, ну и курсор является флагманской в 2026 году. А курсор может работать в приватном режиме. Он говорит о том, что когда он работает в приватном режиме, он не хранит код на своих серверах, не хранит данные ваши на своих серверах. Но тут есть важный нюанс, что всё равно, когда вы работаете с моделями, которые предоставляются курсорам, а ваши данные летят на обработку в эти модели, а они на, например, иностранные. Поэтому м для супер крупных корпораций а курсор не совсем подходит. Плюс он ещё, как я сказала, выполняет вот это фоновое индексирование. И всё равно для выполнения это фонового индексирования он может использовать свои сервера. Поэтому ему прямая альтернатива - это, например, VS-код плюс плагин клода, например, а или а continue, а, который позволяет также вс-коде сделать точно такого, ну, практически такого же агента. Понятно, что там не будет инструментов от курсора их фирменных, но, мм, большинство задач там тоже можно делать. Ну, и там можно подключить тогда локально свою модель, которая развёрнута у энтерпрайса. А какая-то большая языковая модель, которая есть у Энтерпрайса на их серверах, а не сторонняя языковая модель.

Клод, а тоже а прямой конкурент курсора, а тоже активно развивается, тоже обновление каждую неделю. А плюс у Клода есть свои собственные модели. У Крсора, кстати, тоже есть своя модель Композер. Очень быстрая, классная модель для работы с кодом. А у Клода есть свои мощные модели. опус s и хайку. А сейчас ещё вышелс, который ещё не всем доступен. А в общем, мклод тоже классная мощная система, но на мой взгляд она больше сфокусирована на работе с агентом как с чёрным ящиком, нежели на работе с агентом как с напарником. А когда ты видишь, а активно свои файлы, когда ты можешь сам что-то в этих файлах удобно поправить, в клоде всё-таки это не так удобно сделано. Аа а если мы рабо там есть два режима, там есть режим clot cverk, где вы работаете непосредственно с агентами, с целыми наборами агентов, которые можно как раз вот запускать мультиагентные системы. А есть клод-код, а где вы работаете как разработчик. И вот в одном случае вы слишком сильно работаете как разработчик. То есть вам нужно работать в командной строке, а-э, работать с файлами не очень удобно, да. Ну, то есть более такая техническая работа, да, назовём так. А во втором случае вы наоборот слишком бизнесово, как будто работаете с этим агентом. То есть вы не погружаетесь в то, что он там под капотом наделал. И вот мне клод меньше нравится. Ну, тут может быть, а, вкус, на вкус и цвет товарищи разные. Кому-то, э, нравится больше клодка, вот курсор. А тут на ваш выбор принципы работы одинаковые. В клоде точно также есть скилы, в клоде точно также есть MCP, в клоде точно также есть, а, правила, а, в клоде точно также есть основной системный промт э агента.

Ну, есть ещё так называемая N8N, а системы им подобные, когда мы, а, с помощью визуального workflow выстраиваем работу с агентами. тоже популярные системы подходят для того, чтобы автоматизировать какие-то небольшие рутинные задачи, но, на мой взгляд, они не очень подходят для системного аналитика, потому что нам нужно постоянно делать множество итераций, работать с кодом, а, а, работать с требованиями с текстовыми. А N8N всё-таки предполагает, что, а, вот у вас какое-то событие случилось и агент запустился, что-то сделал и выдал ответ. И итерации такие сильно сильно большая работа с итерациями не очень предполагается в с таким агентом. Ну, например, вы можете себе с помощью NVM настроить Telegramбота какого-то, который будет отвечать по документации на вопросы. Но писать документацию с помощью таких агентов я бы не рискнула, потому что просто у вас, ну, тогда нужно настраивать какой-то интерфейс для этого. >> [фыркает] >> По сути, NVM - это движок для бэкэнда, но фронт вам нужно где-то всё равно тогда делать вручную. Либо это будет Telegram, либо это будет какой-то веб-сайт, который вы напишите. М, но тут не очень удобно.

А есть ещё другие популярные фреймворки: Longchain, Linefреймворки, на которых вы можете сами делать вот эти сложные цепочки работы агента, да, его действия, вот эти пайплайны. А есть Q AI, где вы можете создавать целые команды специализированных агентов Автоген, но они все менее популярны, хотя тоже имеют место быть, и кто-то ими пользуется. Лично я знаю, а знакомых, кто использует Lchain Lграph, ну, в основном это разработчики. А, а вот насчёт автоген, они активны в интернете, популярны, но я лично не встречала тех, кто с ним практиче с ними практически работал.

Ну и есть OpenClock, конечно, наш любимый нашумевший. Аа это агент, который устанавливается локально на ваше устройство, на удалённый сервер, куда хотите, какую-то песочницу. У него уже настроена его внутрянка, его вот этот движок агентный, да, который позволяет ему и работать с памятью, использовать как раз инструменты, скилы, а, правила, MCP, а, плюс он сейчас научился быть мультиагентным, а к нему можно подключить разные интерфейсы для работы, в том числе через различные чаты. И в общем, он такой очень автономный, он может выполнять действия самостоятельно, но он и, а, требует большего контроля, он требует больших денег, потому что он больше генерирует кода и мм токенов, поэтому его нужно тоже использовать разумно. У меня был такой Open Clow агент, я, честно сказать, поигралась с ним и забросила. Ну, потому что я не нашла кейса, когда он мне был бы реально полезен, и мне не надо было его супер сильно контролировать. Возможно, мне стоило посвятить больше времени его настройке, тогда бы он был действительно больше полезен и не выдавал бы мне ерунду. А, но один раз у меня просто он я его настроила для того, чтобы он у меня следил за моими каналами в Телеграме и обучался и потом бы подсказывал мне различные статьи, которые я могу в своём стиле написать на этих каналах. А, но вместо того, чтобы обучаться на этих каналах, которые дала доступ как к администратору, [фыркает] он взял и начал репостить в эти каналы всякую ерунду в одну ночь, в 4:00 утра. А потому что у него там скрипт неправильно прописался для того, чтобы анализировать эти каналы. Ну вот так. То есть вы можете с [фыркает] таким агентом столкнуться с тем, что с чем угодно. Поэтому его нужно очень контролировать. В отличие от агента курсора, который будет спрашивать у вас, а разрешение на выполнение каких-то операций, ну и автономную работу там вы тоже будете, а гораздо жёстче настраивать.

>> [фыркает] >> Ну, как я сказала, при работе с агентами есть множество рисков. Например, когда мы, а, даём агенту слишком много прав, он может что-то наделать. А также риски возникают, когда мы вот эти скилы предоставляем агенту, да, на которых он обучается, например, дадим мы ему какой-нибудь скилл для работы с Фигмо, для того чтобы он рисовал красивые дизайны. А скилл мы скачали из интернета, непроверенный. И в этом скиле скиле будут какие-нибудь правила для того, чтобы он взял и удалил ваши файлы или взял бы сделал что-то фигме непотребное. Вот. А и поэтому скилы обязательно нужно, конечно, перечитывать и проверять, а лучше писать самим. Можно скачать за снову, посмотреть, потом переписать самим. А также некоторые фреймворки могут быть уязвимыми к угрозам, да, и внешним атакам, если вы используете какие-то общедоступные фреймворки. И а есть так понятие prompt injection, когда у нас агент, например, исследует какой-то сайт, берёт оттуда информацию, а там в информации написан промт. Сделай что-нибудь. То есть не просто он там нашёл сайт, да, с какими-то картинками его там или с апи, например, документации его исследует, а там в апе документации где-нибудь мелким шрифтиком, вы не видели, а он прочитал, написано какой-нибудь промт. [фыркает] Это вот называется инъекция, и он, соответственно, выполнит какую-то команду, которая вам не нужна. Соответственно, чтобы вот это вот всё защищать, чтобы эта защита эффективно работала, ну, во-первых, сами площадки делают, а вот этот гардр тьфу ты. Guardils, а курсор, например, делает некоторые ограничения для агентов. Клод делает ограничения, чтобы агент ваш спрашивал какие-то на разрешения на выполнение некоторых операций. А плюс сами производители ЛМ тоже делают ограничения. Ну и плюс вы должны, конечно, их прописывать, и об этом стоит не забывать. А их нужно прописывать как раз в правилах работы агента.

Ну и сейчас давайте посмотрим демо. в котором у меня создан шаблон и агента аналитика. У него настроены правила работы, у него настроен пайплайн, про который я говорила, как он должен работать. И этот агент помогает мне писать документацию, а генерировать требования, анализировать требования из кода, делать различные схемы и диаграммы. А это такой шаблонный аналитик. А я его, безусловно, донастраиваю под конкретные проекты. Ну вот сейчас мы посмотрим его на таком тестовом проекте. Я навайпкодила вот такой лендинг с грумингом собак. Будем считать, что у нас у заказчика есть такой вот лендинг. >> [фыркает] >> Аа тут есть а услуги по уходу за домашними животными в этом салоне. И сейчас проблема в том, что записываться можно только через форму записи. А причём тут всё так не очень хорошо сделано, а невозможно записаться онлайн. А можно посмотреть услуги, но не видно, а, соответственно, времени свободного и так далее. То есть нужно сделать для этой системы полноценную систему записи, а, и ЦРМ. И я подготовила промт. А-а, сейчас я его скопирую, а, и мы посмотрим дальше структуру агента. У меня есть вот такая папка. А здесь я сделала шаблонный проект и скопировала туда своего агента с его со всеми документами. А, и давайте откроем эту папку в курсор. И в курсор она выглядит несколько иначе. Тут, видите, у нас не видно, а блока курсор МД. А в этом блоке курсор MD точка курсор, извиняюсь, не курсор D, а точка курсор содержатся различные правила работы этого агента. Например, у нас есть а основное Redmi, в котором описано, что вот это за агент, что он умеет делать, какие есть команды. А сейчас мы о них подробно поговорим и его их будем вызывать. А как настроить нам проект в начале в самом, да? И дальше у нас есть так называемый агент SMDфайл. Он здесь у меня на английском, потому что всё-таки английский язык лучше воспринимается лмками, чтобы мы не говорили про русский. Русский он, конечно, тоже воспринимает, но [фыркает] английские инструкции воспринимаются получше. А тут есть инструкции для этого агента, как он должен себя вести, какая у него роль, а на каком языке он должен говорить, какие у него есть основные процессы, а какие есть стадии работы, какие есть правила. А различные методологические аспекты работы системного аналитика здесь указаны, как он может работать с инструментами с MCP и с AP. А, например, а какие инструменты он может предлагать использовать аналитику в его работе? Например, Figma, Gra, Mirmate, Mark, Google, Drive, Confluence и так далее. У него есть информация и правила работы с памятью. То есть у нас есть команды, которые позволяют запом запомнить наше обсуждение с агентом, чтобы потом агент учитывал это в своей дальнейшей работе. То есть мы ему создаём как бы такую долгосрочную память. Ну, в общем, тут есть разные разные правила его работы. И у нас есть вот главная папка точка курсор, в которой содержится а специфические описание специфических субагентов. Например, а-а, например, а, а, агент, который, а, анализирует репозиторий кодовый и из него получает, а, информацию о, ну, требования, по сути, на основе кода делает, да, или агент, а, ревьюер, э, который, м, который осуществляет ревью. работы основного агента и делает ему замечание по определённым правилам. Да. У нас также есть различные команды, например, а команда на то, чтобы сделать прототипы, команда на то, чтобы создать, а, новый проект, начать новый проект, и и агент аналитик с вами побеседовал, задал вам вопросы. А а команда на то, чтобы подтвердить, что какой-то артефакт согласован и пометить, что он уже всё утверждён, да? Команды различные по процессу, по которому мы сегодня пойдём, начиная от формирования концепции, идеи, проекта, заканчивая а разработки А и методов. Вот. А также есть правила на каждом этапе, если он совершает какие-то действия, как он должен работать, например, правило, что он должен использовать определённые форматы а требований, аа основные просто правила работы, аналитика, методологические правила, там, что делать, как писать, как ставить цели, а правила для того, чтобы делать диаграммы и прототипы, потому что, ну, на самом деле, там тоже много ограничений и так далее. И есть куча-куча скилов. А скилы, например, а как строить? Сейчас найдём что-нибудь, какие-нибудь диаграммы, как, э, делать, анализировать бриф от заказчика, как описывать состояние изыс системы, как писать правильно гласарий, как делать границы проекта, как анализировать риски и так далее, как писать юзкейсы. Аа вот куча куча куча куча правил, которые должен учитывать агент при выполнении каких-то отдельных операций. Ну и есть структура проекта, а docs. И вот здесь у нас есть разные папки, в которых агент [фыркает] как раз будет генерировать документацию по ходу выполнения своего пайплайна работы. Аа и также есть шаблоны, например, документации. шаблоны диаграмм различные, например, а C4 диаграммы, да? М так откроем. Ну, это шаблон, просто указано, а, mirмей диаграмма. Вот. А и всё это хранится в одном репозитории. Всё это хранится в папке, а, проекта. И у вас это всё может быть подключено к гиту, а, гитхабу, и версионироваться вместе с кодом, либо просто версионироваться здесь. Соответственно, мы сейчас попросим у нашего агента пойти по нашему пайплайну и а посмотрим, что он нам будет генерировать. У меня есть вот такой промт. А я хочу разработать сайт для груминга собак, для бизнеса по грумингу собак. В нём должны быть приём платежей, запись на груминг, расписание, личный кабинет с историей стрижек и оплат. Плюс должно быть ещё форум и блог про по собакам. Основанная масзация за счёт записи на приём, на стрижку. Ну и оплата - это услуги оффлайн. А бизнес у нас сеть грумингов. Я записывала вот этот промт а голосовым сообщением. А потому что у меня, а, я люблю работать с агентами с помощью голосовой записывалки. Я её настроила у себя на компьютере. А так быстрее, удобнее работать с агентами, когда ты можешь что-то сказать голосом. В принципе, они хорошо понимают. А я советую вам такой установщик локальный, э, расшифровщик речи установить себе на компьютер. В общем, дальше мы вызываем команду первую BA Need Project. И на основании вот такого краткого, а, запроса он должен расписать нам бриф. Я буду использовать сейчас модель, а, мощную OPUS 47, потому что у меня платная подписка, а, ну, можно быть в режиме авто, либо использовать модель компоер, которая очень быстрая. Мы сейчас посмотрим, как будет опус работать, и в зависимости от этого решим, будем ли мы использовать какую-то более быструю модель, потому что опус не факт, что быстрый. Запускаем. А сейчас он а посмотрит эту команду, проанализирует наш, а проект, и он должен нам, а, предложить заполнить бриф и задать потом ещё вопросы. К сожалению, для вот мощных моделей, по-моему, для всех, кроме композеров, сейчас требуется VPN. Последнюю неделю это новшество появилось. Раньше можно было работать спокойно, вообще без VPN, с курсором, в отличие от всех остальных. и кодекс, и клод, и а клод, который локальный, по-моему, тоже а требует м который устанавливается в Visual Studio, требует випена. Ну, антигравити я уже вообще не говорю, потому что там нужен VPN особенный, который Google не сечёт. А сейчас большие проблемы, к сожалению, с этим у России у нас сильно ограничено доступ к современным технологиям. О'кей. Вот я вижу, что он сделал бриф. Давайте посмотрим, что он сделал. Мы видим разметку, видим все изменения, а в документе, которые произошли. Он затёр данные стандартные шаблонные и сделал, а новый документ. А у нас источник устная формулировка заказчика в чате курсор дата. Заказчик владеет бизнесом по груменку собак. Планируется разработка веб-сайта, который будет обслуживать клиентов сети, выступать основной цифровой точкой контакта. Контекст, который заказчик явно не сообщил и требует уточнения. Количество географии соломонов, объём клиентской базы, существующая IT-инфраструктура, целевые метрики. Основная цель инициативы- создать сайт бизнеса по грумингу собак. Тра-ля-ля. Ожидаемый функционал. Слова заказчика. А прямо перечислены следующие возможности. Модель монетизации. Запись на приём на стрижку. Да. А пользователи участники, клиент, администратор салона, администратор бизнеса, модератор контента. Он, видите, пишет здесь кандидатно, потому что это он предложил кандидатной роли. Да. Что заказчик не уточнил? Страна юрисдикция. Тра-ля-ля. Предварительные проблемы и гипотезы. А бизнес онлайн записи теряет заявки вне часов работы салона. Гипотеза. А история стрижек помогает мастеру готовить услугу под конкретную собаку. А гипотеза. Форум и блог должны повышать вовлечённость и сеотрафик. Верно, гипотеза. Ну вот, на самом деле, история стрижек помогает мастеру готовить услугу под конкретную собаку. Я думала историю стрижек сделать для клиентов, но тоже для мастера, наверное, это актуально. Явное исключения не назначены. Статус бриф зафиксирован на основе сообщения заказчика. Требуется расширенное уточнение контекста ролей границ монетизации на этапе один. Сейчас он аа написал также документ аа инициализация проекта. А тут он кратко информацию о проекте всякие неоднозначности зафиксирован, зафиксировал, что сделано на этапе ноль. А рекомендуемые инструменты прописал, что можно предложить мне как аналитику, чтобы потом дальше работать с этим. посмотрел, что у меня установлено в курсоре. Тоже исходя из этого он это предлагает. Дальше он зафиксировал факты, предположения, открыты вопросы, риски и так далее. То есть это такой сводный документ, которому потом ориентируется агент. И вот он сформулировал вопросы, которые, я думаю, он мне сейчас должен задать, а, а мы на них ответим. При этом вопросы он пронумеровал, чтобы на них можно было задать. И также он должен был, а, в файле всех вопросов сделать таблицу с этими вопросами и поставить их статус. Аа вот, то есть что-то он писал, написал, что предложен ответ по умолчанию, например, то, что нужно писать требования на русском, потому что я ему промт на русском дала, например, то в каком формате требования нужно писать. Для остального вот, например, нужен ответ, да, где-то там ещё он сам предложил как предположение, но мы должны ответить ему, он должен уточнить аа вот дополнительные вопросы по самому проекту. Это вот организационные вопросы по тому, как мы будем писать требования, а здесь вопросы по самому проекту. А дальше у нас а есть ещё файл со всеми источниками информации. В данном случае у нас бриф только источник информации, да, больше у нас никаких нет, но предполагается, что будут и другие, например, интервью, а-а, workшоп, э, там, репозиторий и так далее. А у нас есть память проекта, которая тоже по по команде обновилась. Настроено вот здесь так команды RLE, что у нас память обновляется при выполнении некоторых значимых действий плюс по явной команде пользователя. В данном случае у нас а обновилась память о о том, что бизнес заказчика сеть груминг салонов, основная информация, ну, в общем, какие-то предпочтения проекта. обще общается по-русски. Ну вот какие-то такие дополнительные сведения, которые важны для того, чтобы потом агент к ним обращался и работал с ними. Также отдельно выделены все предположения, которые были в первом брифе, чтобы их можно было отдельно мониторить. А открытые вопросы все выделены. В общем, настраивается проект, а список инструментов, которые будут использоваться, тоже настраивается. Вот он тут посмотрел, что у нас доступно. Локальное приложение, файловая система доступна. Git уточнить, Markдаун доступен, мей доступен. В общем, короче, он тут написал, что уточнить. Вот он даже выстасил э информацию о плетёжном шлюзе кассе Теньков. Оплата онлайн. Это вот истребование нужно будет уточнить. Онлайнкасса, нужно уточнить SMS, email, да. календарь Google. Ну, в общем, это всё он будет уточнять. Аа, инициализация проекта выполнено. Вот он всё это всё заполнил. А ключевое противоречие в брифе. Вы назвали приём платежей обязательно функции сайта и одновременно сказали, что оплата самой услуги грувинга онлайн. Оффлайн. Видите, он нашёл нам противоречие. Это зафиксировано. Как? Вот нужно прояснить, что именно оплачивается онлайн. предоплата записи, депозит товара, подожны сертификаты, донаты на форуме. Иначе по платёжным можно нельзя корректно включить в суп. А я даже этого не заметила, когда говорила. Вот видите, он нашёл противоречие. Вопросы инициализации. А давайте мы на часть этих вопросов ответим и выполним следующий шаг. А потому что, ну вот он пишет, пока критичный вопрос статус нужен ответ. А он не может прийти дальше. А так. Угу. Тут он сослался. Почему он спрашивает нас это? Ну давайте посмотрим на открытые вопросы. А какая страна юрисдикции валюта проекта РФ? Что именно оплачивается на сайте? Ну давайте, пусть у нас будет предоплата записи. Доплата записи. А сертификаты и мм депозит будет. Так, какой платёжный провайдер? Хочу Тиньков. А сколько салонов в городе? языков охватывает сайт. Может, нет, ну, всё в России, всё в РФ. У нас, допустим, пять точек ОРФ [фыркает] в разных городах. А какие роли пользователя предусмотрены? А так, ну, мы отвечать не будем. А форумы блок подходят

в MVP или это позже? Ну, давайте укажем, что это позже. А что содержит история стрижек? Если один, пока не будем отвечать. Как сегодня ведётся запись клиента? А, давайте напишем: по телефону, в ТГ. Мм, в Excel, например. Так. Аа, так, тут мы не будем отвечать, пока это нам не требуется. Если ограничение по бюджету, что точно out of scope, какие требования по защите ПДМ? Давайте напишем: соответствует законодательству РФ. О'кей. Давайте теперь мы ему напишем, что я на часть вопросов ответила тут, а остальное позже. Проанализируй и исправь. Исправь всё, на что они влияют. Вот так. А, о'кей. Отлично. Мы ответили на вопросы. Подождём, пока он сейчас нам сгенерирует а влияние этих вопросов на наш исходный бриф, я думаю. Потом Госари он нам пока не заполнял. А что у нас ещё есть? У нас есть файл такой decisions log. Не знаю, сейчас он его заполнит или нет. Скорее всего, должен, потому что часть вопросов перейдут в решение. А, возможно, он уберёт часть assumptions, потому что что-то он там предположил, да, на основе нашего исходного прамта. Вот. Ну и он должен, конечно же, поправить бриф, что самое важное, потому что бриф является, а, входной информацией на следующий этап. Угу. Пусть он пока вот он пишет, что у него задача перенести ответы в decisions log. Давайте посмотрим, что у него за план. Он перенесёт ответы в decisions log. Дальше синхронизирует open questions, уберёт решённые, мм, обновит projectile, обновит project memory, обновит assumptions, обновит бриф, обновит, а, начальные вопросы, аа, обновит использование инструментов, если это требуется. Да, у нас Telegram обновит, а, project inicialization. Угу. и выведет сводку по оставшимся вопросам. Да, ну, подождём. Модель OPС не самая быстрая, она очень мощная, она хорошо находит разные противоречия, хорошо генерирует диаграммы, требования, но она не очень хорошо быстро работает. Тут требуется ждать. Плюс она ещё дорогая. Пока она работает, я вам покажу, аа, я вам покажу настройки. И вот здесь видно план или usage. Видно, что у меня сейчас я специально купила сейчас новую подписку на эту учётную запись, чтобы у меня точно лимитов хватило вам показать, но я думаю, что нам хватит. Вот он сейчас использовал 2% из модели, а при этом я ещё до этого немножечко погоняла, протестировала этот пайплайн перед за перед тем, как вам показывать. Ну, в общем, мм, в принципе, нормально. А целый пакет требований для системы он написал там условно за 1%. А это хорошо. А сейчас посмотрим, мм, как он выполнит наши задачи. При этом модель Опуса она дорогая, а а мы можем всегда переключиться на авторежим или композер, который гораздо быстрее и который гораздо дешевле, но он может хуже делать артефакты с худшим качеством, так скажем.

Так, ну вот он поправил Project Memory, поправил assumptions, поправил профайл. РФ. Вот, да, видите, тут ответы. А он удалил из открытых вопросов часть вопросов, закрытые вопросы сделал, переведены в решение. Вот он сделал такую блок, так скажем. Аа оставил тут только открытые вопросы. Он обновил бриф. На основе нашей информации требуется расширенное уточнение контекста ролей границ и монетизации на этапе один. А он ещё вот указал нам MVP, не MVP. Мы же сказали, что форум и блок не MVP, поэтому он сделал вот тут такую в брифе табличку, что у нас является MVP, а что не является MVP. При такой форме общения с агентом, конечно, у нас будет генерироваться больше токенов, но и у нас и здесь больше проверок и самопроверок, потому что когда мы, э, просто пишем в чат: "А напиши мне требования", просто без вот этих всех правил, без скилов, без правил, [вздыхает][тяжело вздыхает] он напишет, как попало. Он напишет не так, как мы ожидаем. Он может не выполнить дополнительные шаги, например, перепроверки себя. Из-за этого качество требований будет низкое, и вы больше времени не потратите на то, чтобы за ним исправлять, вместо того, чтобы а он вам помогал. Поэтому, чтобы было качественно, безусловно, это стоит некоторых денег или токенов, да? То есть на бесплатной подписке вы вряд ли такое сможете сделать. Это я вам говорю сразу же. В принципе, подписки в 20 долларов для аналитика достаточно. Если вы вайпкодите ещё дополнительно, а, делаете какую-то документацию, то, а, подписки в а 20 долларов вам не хватит. А чтобы делать код, писать сайты и так далее, нужно, конечно, подписку минимум 60 долларов.

Так, ну вот он про интеграцию тут что-то написал. Мы работаем с MD-файлами. Аа, ну, я думаю, что вы уже с этим знакомы форматом. Он легко трансформируется в любые документы, в том числе в Confluence, в Word, в в любые документы, в PDF. А очень хороший формат, удобный. И если установить себе плагины на курсон, с ним удобно работать. То есть можно его редактировать, изменять и так далее. Так, ну что-то он нас тут начал много исправлять. А туда-сюда что-то исправляет, какие-то моментики. Я надеюсь, он у нас сейчас закончит уже это дело. Вот он риски прописывает, видите? А предоплата физли через НКОВ с высокой вероятностью потребует фискализации. Продукта чнков и провайдера класса не выбраны. Аа сертификат и депозит без проработанных правил, срок возврата, частичное списание передачи. Рискуем получить сложную доменную модель на этапе четыре. Угу. А ПДН клиентов и данные собак требуется политика ПДН согласие оферты куки политика основе ФЗ вот таких. Аа конкретные юристы набора документов не определены аа миграция из XL. Клиентская база в Excel, переписка в Telegram, качество, объём данных неизвестны. Мультигород, разные часовые повеса по расписанию. А и отсутствует подтверждение владельца решения. Не определены лица, утверждающие скопы и требования. Угу. [откашливается] А оставшиеся вопросы? Ну, мы на них не будем отвечать. А, попросим его предположить оставшиеся вопросы. Угу. Давайте сделаем о новое внутреннее противоречие, которое я обязан поднять. А, с высокой вероятностью нужна онлайн-касса 54 ФЗ. Это пока кандидатное допущение и открытый вопрос. закрыть. Я буду планировать НФТ интеграции с учётом пятьдесят четвёртого ФЗ, чтобы не пришлось переделывать. Ну, отлично. Хорошо. А-а критичные вопросы перед следующим этапом. Давайте ответим ему на них и пойдём дальше. Какие роли предусмотрены? Клиент ма у нас допутываться будет. Клиент мастер грумер, администратор салона, администратор сети. Давайте, а-а, администратор сети работают в клиент в своём ЛК. Остальные в админке. Отлично. Второй вопрос. [вздыхает][тяжело вздыхает] Существующий сайт репозитории. М, ты задал вопрос про сайт репозитории? У меня такой есть. Давайте курсору скинем нашу админку. Сейчас я её скопирую. А, и мы ему её отправим. У меня есть папка груминг собак, и мы её сейчас вставим [фыркает] сюда. Так, пока у нас выкачивается она из аклауда, давайте дальше ответим. Так, владелец решений. Владец решений я Ксения Селкина. А, Out of scope MVP. Так, 13, что явно out of scope на пенном релизе. Мобильное приложение ЦРМ, складской учёт товаров, программа лояльности, доставка интеграции соцсетями. Forumблок уже в не MVP. А мобильное приложение? Давайте мобильное приложение только сделаем. К приходит на ум только мобильное приложение. Всё. И давайте запустим следующую команду. А, build stage 1 brief. На основе этого брифа он нам нужен сделать теперь анализ. этого брифа и дальше перейти к следующим задачам.

Итак, у нас агент выполнил уже практически а второй этап, первый, точнее, этап нулевой он до этого выполнял этап. Сейчас первый этап, то есть у нас он сделал анализ первичного брифа. Аа его цель была отделить факты от интерпретации, выделить бизнес-проблему, цели. формализовать по смарту, а сделать гласарий. Вот он сделал краткое резюме с ссылками на те факты, которые я говорила, ответы на вопросы. Да. Также он, а, показал источник, бриф, на основе которого он это всё делает. Факты из источника все вытащил, а, с комментариями и с номером требований. А вот источник решения. Дальше он, а, все опять интерпретации вытащил. Дальше бизнес-проблемы, симптомы черновые, то есть возможные проблемы вытащил в одну таблицу. Дальше цели вытащил в одну таблицу. Перевести запись клиентов в сети из Telegram в единый цифровой канал на сайте. Снизить долю невышедших клиентов из-за онлайн-передоплаты и так далее. Вот он это всё написал, эти цели. Он указал всех пользователей и участников стекхолдеров, [фыркает] а указал, где они будут работать, в какой системе. А он указал ограничения зависимости разные. Он указал термины, а, основные. Плюс он сделал вот такой файл глосарий. Если посмотрим, тут не только эти термины, но и дополнительные термины технические, не только термины предметной области, но и технические. разные разные термины. Все он их а-а тут написал. Дальше он, а, написал открытые вопросы, опять же оставшиеся, сделал трассируемость, и он сделал ещё матрицу трассировки требований сразу же, поскольку у всех требований у нас есть номер. Он вот сделал такую матрицу трассировки. И дальше, дальше, дальше он сделал риски решения. А, и тут технические моменты для агента, а, для самопроверки, что нужно сделать. А вот и есть не следующие шаги, что ему нужно сделать, запросить у меня подтверждение брифа, а-а, параллельно или после подтверждения запустить следующий этап формирования видения и границ проекта. ити кавас. О'кей, давайте перейдём к следующему этапу. А, понятно, что это у нас тестовый проект. Здесь мы так внимательно всё не вычитываем. Сделаем этап, а, формирования спта. На этом этапе я ожидаю, что он напишет сп вот этому шаблону, аа, и сделает мне opportunity canvas. А, в формате канвы, а в курсоре. Сейчас я потом её вам покажу. А, чтобы можно было с ней работать. Поддес - это такой формат представления границ проекта и цели проекта на одной доске удобной. А, ну, вы можете почитать о нём в интернете, кто не знает. Так, сейчас подождём. пару слов о том, как проверить, что, например, у вас агент будет хорошо подхватывать ваши скилы, команды, рус и так далее, что они правильно у вас созданы. А если зайти вот сюда в настройки, то здесь есть раздел как раз-таки, а, который называется R skills subagens. И вот видно, что у меня подтянулись все мои правила. подтянулись мои скилы, подтянулись команды, а, и, соответственно, агент их будет эффективно использовать. А так он формирует vision scope. Ну вот на формирование такой документации полной, а по времени а вот в прямом эфире у нас бы ушёл где-то, наверное, час с этой моделькой. Ну, понятно. Я сейчас в записи вам буду прерывать запись, чтобы, ну, мы не ждали с вами вместе. Буду ждать одна я. А, но если включить композер, то это где-то всё раз в пять быстрее делается, но чуть-чуть меньше качества. Поэтому, если мы хотим прямо классные вау результаты, то лучше, конечно, включать более мощную модель.

Отлично. Давайте посмотрим, что он нам сделал по мм Vision нашему. А он сделал а формулировка видения Vision для владельца собак, пользующихся услугами сети грум и салонов. А создать единый цифровой канал связи, обслуживания и управления. Клиент получает онлайнзапись на груминг с предоплаты, единую историю стрижек, оплаты, подарочные сертификаты. Сотрудники управляют расписаниями записями клиентской базе в админке вместо разрозненного Excel и мессенджера. Сеть получает прорачную загрузку салонов и мастеров. Бизнес-цели, аа более все а формализованы. Вот, например, здесь написано, что цель по смарт- перевести запись клиентов в сети в единый цифровой канал на сайте. Метрика. Доля записей, созданных через сайт, от всех новых записей, неизвестно. Сейчас 100% через Telegram, да? Вот видите, целевое значение. 70% через 6 месяцев после запуска MVP. А 6 месяцев после запуска MVP, горизонт, кто владелец и так далее. Все цели расписаны. А также расписаны проблемы и контекст, пользователи. как будут использовать решение. Вот это вот все пункты из opportunity canvas. Мы их сейчас посмотрим на отдельной конве. А дальше у нас есть, а он создал интерактивную канву. Так, давайте посмотрим, где он её создал. Doc Tools, а Opity Canvas. Вот она, наша интерактивная камва. Чтобы её запустить, нажимаем команду Ctrl Shift Pвом авас. А create new canvas. И вот здесь вводим вот так вот. Сейчас он нам её откроет. Так, дальше давайте, пока он канвас этот открывает, а, посмотрим, что он ещё сделал. А, в скоп, вне сп ограничения опять прописал все риски все более детально прописал, допущение более детально прописал. А, ну, в общем, всё то же самое, просто более детально. И сделал, доделал матрицу ещё трассировки больше. Сюда ввёл. Он добавил сюда цели все. Видите? решения, артефакты. А, в общем, в матрице трассировки теперь у нас больше информации. Так, аниity canvas у нас генерируется. Сейчас посмотрим, э, что он сделает с ней. А давайте пока вызовем следующий этап. А следующий этап у нас, а, B stage 3 Flow. На этом этапе у нас должны расписаться, а, SS2B схемы, а, BPMN, в общем, основная начинка, суть, вкуснятина. Давайте поехали. У меня пою кас. Я уже такое с таким именем до этого открывала. И из-за этого он у меня сохранился в в курсоре, и он, видите, видит, что открыт, ну, как бы открывается предыдущая канва, поэтому он сейчас её перезапишет вот этой, а, и мы сможем её посмотреть. Итак, посмотрим, как у нас выглядит наша opatunity canvas. А здесь у нас получается проблемы и контекст. Пользователи и клиенты. Клиенты проблемы и контекст. Идея решения. Как будут использовать решения? А, метрики успеха пользователи. Текущие решения, изменения, риски, бизнес-вызовы, бюджет, реализуемость, бизнес-ценность. Всё по шаблону. Unity canvas. Аа, всё выглядит правильно. Плюс мы можем вот здесь что-то подправить и сохранить, и это потом будет учитываться. Ну, в общем, такой удобный инструмент. В принципе, такие канвы можно делать и в мира, и в Фигме у нас всё на одной доске. Вся информация о проекте по скоупу. Именно мы находимся на этапе скоупа. А вот у нас агент закончил также работу и над третьим этапом. А он сделал BPMN диаграмму из to be. И to be сделал sequнс диаграмму. Давайте посмотрим. А open preview опасиis log. Так, у нас ошибка в синтаксисе. А давайте мы ему напишем, что он ошибся в синтаксисе. А тут ошибкаси не генерит. Так, а посмотрим to be. А и - это BPN. Мы их сейчас откроем. А также у нас он сгенерировал аспеs, а анализ разрывов be. Ну, в общем, такой бизнес-анализ сделал бизнес-сценарии. А реестр вариантов использования сделал. Можем посмотреть сейчас конкретные варианты использования. Сделала диаграммы. А если открыть вариант использования, вот, например, бронирование клиентам, то есть у нас сделала м основной успешный сценарий, альтернативные потоки, потоки исключения, бизнес-правила, задействованные данные, какие нужны в процессе выполнения этого юзкейса, заметки. А сделал у нас, ну, понятно, все там цели. Основной актор, второстепенные акторы, триггер, предусловия, постословия. А, в общем, все вот эти артефакты он сделал. Так, sequнс. Сейчас ещё раз посмотрим. Итак, я разобралась, почему диаграмма не отображалась. Потому что, а, агент в начало диаграммы написал лишние символы вот эти вот. А вот видите, вот здесь вот такое вот ерунда. Вот эти вот штучки, их не нужно, их не должно быть. [фыркает] И тогда а у нас всё работает, а превью отображается. А вот такая, например, sequнсдиаграмма у нас получилась, а по тому, как клиент взаимодействует с различными сервисами. Аа посмотрим BPMN. А для этого перейдём на сайт BPMNO. А, нажмём и загрузим нашу откроем нашу BPMN схему. А, допустим, из Ага. Он плохо стрелки сделал, видите? А так, а если мы загрузим, например, BPM а TOB? [фыркает] Угу. И тут стрелок нет. Хотя так, всё правильно, но почему-то он не сделал стрелки. В чём-то проблема у него? [фыркает] Я думаю, что знаете, с чем ещё это всё связано? с тем, что у нас вот это всё делала одна модель в одном контексте, например, и у нас у него у неё, скорее всего, переполнился контекст, и она это делала уже не совсем а корректно. Ну ничего, а в любом случае у нас есть результат. А давайте попросим её запустить, а четвёртый этап с требованиями. А, requirements. Ну, я думаю, суть вообще, как мы это всё делаем. А, давайте мы запустим это даже в новом агенте. Возьмём нового агента, выберем модель быструю и запустим requirements. А вот она 4 requirements. А и запустим ещё потом а получение. Давайте сначала даже мы запустим получение требований из репозитория, потому что у нас же есть репозиторий, а, с с лендингом requirements. Вот, получить требование из репозитория, посмотрим, что там у нас есть, и скинем ему ссылочку на наш репозиторий. Вот он, груминг собак. А, скидываем ссылку и смотрим, а что у нас будет делать новый агент. Он сейчас должен вызвать отдельный определённый скилл для для анализа репозитория. А видите, насколько быстрее работает компор 2. А так, подождём. Ну а пока мы ждём, а можем посмотреть, обновился ли гласарий. Да, вот у нас сюда добавились некоторые термины. А можем также посмотреть, что у нас матрица трассировки требований явно, скорее всего, обновилась, потому что у нас появилиськейсы, да, вот видите, у нас много связи. Вот, например, цели с юзкейсами, в которых она реализована. Вот. Плюс он сейчас нам делает, а, а, выводы о том, как работает система. Вот восстановленные требования из системы. А вот он репозитории анализирует вот эти лендинг, который у нас есть. А смотрит возможности основные. Маркетинговая подача услуг, навигадация по секциям одной страницы, карточка услуг с карточками, модальным окном. Переход записи из услуг, оторброжение мастеров, контактные телефонные звонки, форма записи. Адаптивное меню. Основные варианты использования. Расписал, сделал модель данных текущую. Видите то, что есть сейчас мастер роль, название, картинка, ревью отзывы, потом сервисы, это услуги, видимо, цена, время, а контактная форма и фак. Вот он основные объекты выделил из кода со всеми атрибутами. Апи вызовов нет. Вот видите, написано: "Бизнес правила вызвал длякия, а обязательно имя и телефон. Услуги показываются с ориентировочным временем и ценой" и так далее. Ну, я думаю, что из демонстрации этого агента сейчас вам стало понятно, как работают агенты. Аа предлагаю последнюю запустить ещё последнюю команду просто формирования детальных требований. А, посмотрим, что он сделает на модели компоер 2. Это должно быть быстро. Посмотрим другие виды диаграмм и потом перейдём к оставшейся части вебинара. Она не менее интересная, поэтому оставайтесь и смотрите.

Итак, аа он пошёл формировать нам большой пакет диаграмм. Достаточно. А концепт концепт класс диаграмму он сформировал. Давайте посмотрим. Например, вот ещё одна диаграмма с диаграмма основными сущностями системы. Вот видно тут тайм слотой, мм, получатель. В общем, короче, мм, в сущности все системы расписаны с их атрибутами, со связями между ними, с один к многим. Вот тут один к одному, вот многие ко многим связь есть. В общем, это всё можно анализировать и уже дальше, а, м, править и смотреть. При этом достаточно легко править, потому что это всё-таки формат mermade. И здесь вот легко добавить, например, сюда какое-то дополнительное свойство к атрибуту либо связи по-другому сделать. Это всё делается, ну, просто вот в один клик, например, нули N, да, вот [фыркает] перерендерим и увидим, что там появилось, а, 0 связь. А, в общем, а, всё достаточно просто. Пишу основной файл с требованиями. Давайте пока посмотрим основные требования. А, входные данные, саморефакты, предположения, открытые вопросы, модель данных. Так. Угу. Data dictionary. Вот он сделал модель данных для нас. То есть у нас есть а сущности, город, салон, мастер. А причём он код на английском прописал, что правильно. А потому что потом это всё в зоных пойдёт и чтобы оно потом не пошло на русском языке. Букин, платежи, а usеаккаунт. Ну, в общем, всё прописал. Потом для каждого, видите, для города он написал атрибут, название, тип, обязательность, уникальность. Сейчас я вот закрою лишнее. Аа для салона написал всё, написал правила валидации, написал источник, примечание, список городов уточняется. Аа видите, тут всё, всёвсёвсё, каждый пункт прописан, открыты вопросы, есть данные. Аа, ну, всё логично задаёт.

Итак, в общем, посмотрели мы с вами, а, разные разные сценарии использования подобного агента. И что у нас получается хорошо? У нас получается хорошо, что у нас, а, большая скорость. Очень у нас агент проверяет вот эти все зависимости, связи между артефактами, формирует легко матрицу трассировки. Ему это ничего не стоит, ну, практически, да. То есть он это делает всё быстро очень. У нас всё читабельно, у нас классный аутпут. Можно это настраивать, можно настроить форматы, можно настроить правила построения диаграмм, но у нас а могут быть ошибки, как, например, сейчас при генерации диаграмм где-то допускается синтаксическая ошибка, да, моделью. У нас могут какие-то быть неоднозначные требования сгенерированы. Нам нужно за ним перепроверять, потому что он делает предположение, очень много предположений того, чего мы не сказали, но он пытается проработать. Ну и, конечно, это нужно всё согласовывать с бизнесом. И вот что нужно знать для того, чтобы таких агентов делать, чтобы с ними работать. Ну, во-первых, нужно понимание ЛМ и логики агентных движков. А нужно понимать, почему агенты могут галлюционировать. Вот как я привела пример, да, что у нас может быть это из-за того, что модель не не совсем верная подобрана для того, чтобы мм схемы генерировать, да, просто модель плохо справляется с генерацией, с написанием, либо где-то в скеле какая-то ошибка, да, в том, как генерировать схемы, и агент упорно пытается это повторить. Плюс мы можем выбрать э сильно дорогую модель для дешёвых задач. Ну, в общем, тут у нас нам нужно хорошо в этом ориентироваться, понимать, как работают агентные движки и модели. Дальше нам нужно процессное мышление. Ну, что у вас, скорее всего, есть. То есть нам нужно мыслить по шагам, что мы сделали, какие триггеры, какие инструменты используются, какой результат и так далее. А у нас мы немножко должны владеть таким промтнженерингом, вайпкодингом, потому что нам нужно как раз создать самих агентов, прописать вот всю вот эту вот все эти инструменты им настроить. Это достаточно быстро настраивается, но просто нужно уметь это делать и и потом это всё вычитать, проверить, как это работает, да? А плюс нужно м уметь, например, запускать какие-то скрипты, потому что агентам часто нужны какие-то навыки, например, для того, чтобы отобразить диаграммы, сделать какую-то красивую презентацию, сделать интерфейсы, красивые прототипы. И для этого нужно немножечко повайпкодить. Ну и нужна техническая грамотность, чтобы работать с HTP, Jсоon, AP, MCP и так далее, репозитории. >> [вздыхает][тяжело вздыхает] >> И какие распространённые проблемы могут быть при работе с агентами? Ну, во-первых, можно потратить очень много денег, если не целево их использовать и не совсем правильно писать промты. Мы можем по кругу просить его исправить проблему, он так и не сможет её исправить. модели могут галлюционировать, а вот как сейчас, или могут вызывать, например, несуществующие апи методы. А тут надо правильно передавать модели контекст, информацию, с которой она будет работать. Ну, понятно, нельзя включать очень дорогие модели на какие-то операции. Нужно пони м дешёвые, да, простые. Нужно понимать, где какие операции м стоит передавать дорогим моделям, где нет. А-а, ну, в общем, как писать промты, так, чтобы не увеличивать контекст модели, а, соответственно, обработку большого количества токенов и так далее. Нам нужно предотвращать зацикливание агентов, нужно уметь работать со сложными настройками, такими как MCP, Rules и другими. А, ну и вот сегодня было много полезной информации. Я рассказала про разные системы, показала, а, разные сценарии в курсоре, что можно делать с агентом, да? А, но самому, наверное, сложно, потому что множество инструментов, а эти инструменты каждый день ещё и появляются разные. Вы можете, а, слышать про эти инструменты в разных пабликах, а, плюс уже имеющиеся инструменты постоянно обновляются. Поэтому начинается в голове такой хаос. А может возникнуть ощущение, что сейчас пойду быстренько внедрю, но чёткого плана на самом деле внедрения у вас нет. Вы не понимаете до конца, что автоматизировать, как автоматизировать. А плюс а вопросы по безопасности идеи проектов возникают. А, плюс, ну, хотелось бы получить какую-то реальную помощь, а не просто генерацию какого-то текста, который потом, ну, ни в каком проекте не будет применён. Поэтому нужен какой-то процесс выстроить правильный. Ну и проблема, на самом деле, не в том, что вот этой информации её мало, да, а проблема в том, что её наоборот слишком много, и она разрозненная, и м у нас нету какого-то собранного маршрута, что именно внедрять, в какой последовательности, как использовать это в реальных задачах и как получить от этого вау эффект, а не на 10 минут, да, а реально, чтобы вы потом это использовали в постоянно в своей стабильной работе. И на самом деле нам нужна понятная рабочая среда, определённая выбранная, готовая структура аналитического репозитория, правила агент, которые вы понимаете, как выстроены, которые можете потом дорабатывать по своей задаче. Нужны сценарии для требований и диаграммы, а и обновления документации, которые будут работать. Нужно понимать, почему у вас, например, какие-то диаграммы строятся неправильно и уметь это исправить. А нужна практика на реальных аналитических задачах, чтобы вы понимали, какие техники работают, а какие нет. И вот мы, а, решили, а, эту тему не оставлять без внимания и не останавливаться на уровне одного вебинара. И сделали классный курс. и агент аналитика для написания документации docsor. Этот курс, на самом деле, а учит тому, как делать агентов в любой IDE, не только в курсор, но мы будем проходить практику в курсор. Аа это обучение не про нейросети вообще, а именно про то, как аналитик может выстроить свою работу, а в курсор или аналогичных IDE и использовать и агентов в реальных задачах. от требования диаграмм до апи документации и проектной рутины. [тяжело вздыхает] И, а, здесь у нас именно фокус как раз на аналитике, а, будем смотреть реальное применение в различных кейсах. И, ну, тут я буду детально рассказывать про каждый компонент, а, вот этого агента и работы с ним. А мы собрали этот курс так, чтобы он закрывал вот как раз не одну точечную какую-то проблему, там, например, написание документации, а помогало аналитику дальше создать агента, который, а, будет его сопровождать на всём жизненном цикле работе с требованиями, начиная от выяснения вопросов по предметной области, м формирования брифа, как я сегодня показала, по вопросам заказчика. А, и заканчивая созданием целого целой команды таких агентов, которые помогают работать над требованиями, а, помогают генерировать требования исхотичных данных, обновлять документацию из кода, а, делать различные диаграммы в UML и BPM диаграммы в различных форматах, делать а документацию под ключ, а, управлять проектом. В общем, много-много задач э у вас получится м реализовать с помощью таких AIгентов. Ну и, а ещё мы сделаем с вами удалённый доступ к такому агенту, если вы отсутствуете у компьютера, а вам, например, нужно какую-то информацию получить либо, наоборот сохранить себе. И, э, наша цель, чтобы после курса вы не просто знали вот новый инструмент, курсор, да, или какие-то названия или слова, а чтобы вы могли дальше, а, прикладно использовать этих агентов, чтобы вы могли создавать своих агентов, использовать их в реальной работе, дорабатывать под свою компанию. Ну и, в принципе, чтобы вы стали конкурентоспособным на рынке, потому что сейчас это очень востребовано. Сейчас всем нужны специалисты, которые не просто пользуются чатом GPT, но а уже чуть более продвинуто, а, оптимизируют свою работу и внедряют агентов. Ну и сейчас курс находится в активной финальной сборке. А мы его сейчас размещаем на образовательной платформе, а максимально там дорабатываем, адаптируем под последние изменения инструментов. Поэтому, а, старт обучения мы планируем ориентировочно на середину, конец мая, но уже сейчас мы открываем предзапись. А на эту предзапись количество мест у нас будет ограничено, потому что нам важно дать, а, детальную обратную связь каждому, а, учаще, ну, и получить от вас, соответственно, эту детальную обратную связь. А, ну и у нас сейчас действуют эксклюзивные условия для тех, кто смотрит этот вебинар. А у нас, поскольку запись сейчас вебинар проходит в записи, а не онлайн, как изначально мы планировали, то а у вас будут а очень выгодные условия по тарифам для тех, кто а смотрит этот вебинар в течение некоторого периода после. А, в общем, тарифы курса у нас, а, два, а, чтобы вы могли выбрать для себя наиболее подходящий вариант. У нас есть вариант только послушать и вариант с обратной связью. Вариант только послушать. При, мм, полной оплате стоит 29900, а при а рассрочке 34900, а вариант с обратной связью стоит 39900. при полной плате 44900, но для вас, как для слушателей вебинара, будут другие цены. А я скажу чуть позже об этом. А пока остановлюсь на том, что входит в эти тарифы. В тариф только послушать входит доступ ко всем материалам курса, сертификаты прохождения курса и доступ на 5 месяцев. Этот тариф подойдёт, если вы хотите послушать курс, посмотреть практику и, возможно, повторить самостоятельно в свободном режиме для своего проекта. А вот в тарифе с обратной связью, помимо этого у вас будет ещё практика, домашние задания и тесты, которые будем проверять мы с командой. А у нас будет у вас будет возможность задать вопросы лично мне, а у вас будет доступ к чату с комьюнити и а вы будете выполнять практику на тестовом проекте. А он интересный. А, но и вы будете как бы работать с этим агентом по всем этапам работы с проектом. То есть не просто какие-то этапы, которые захотели, вы только автоматизировали, а вы получите в конечном итоге, если вы будете выполнять все домашние задания и тесты, вы получите вот такого агента, целостного аналитика, которого вы потом сможете использовать в своей работе сразу же, да? То есть он у вас будет уже готовый. Ну и при необходимости вы будете хорошо понимать, как он устроен, из каких частей он состоит и, соответственно, доработать под свой рабочий проект, например, такого агента. Ну и прямо сейчас а вы можете записаться под видео на курс. У вас будет ссылочка под видео и а вам нужно выбрать тариф, по которому вы хотите записаться. И для вас будут действовать уникальные условия, а вот которые написаны при оплате во время вебинара. Эти условия для вас будут действовать до конца этой недели. А потому что, ну, онлайнвебинар у нас не состоялся, но зато для вас будут более дешёвые цены действовать до конца недели. То есть у вас будет цена, а при предоплате, при внесении предоплате 5.000 руб. Всего суммарно вам нужно будет заплатить за курс только послушать при полной оплате 900 19900. То есть вам нужно будет доплатить 14900, да, после предоплаты. А для тарифа только послушать 24900 в рассрочку, если вы хотите потом заплатить в рассрочку. А после после внесения предоплаты для тарифа с обратной связью полная оплата 29900 и для тарифа с обратной связью 34900. То есть порядок такой, вы э вносите предоплату по ссылке под вебинаром. За вами, во-первых, фиксируется место, что важно, потому что очень активная, горячая тема. А-а, очень много людей, а, захотело послушать этот вебинар и постоянно задают нам вопросы, когда будет курс. Поэтому, а, у нас список количества людей будет точно ограничено, как я сказала, и возможность внесения предоплаты точно за вами бронирует это место. Это первое. Плюс, если вы вносите предоплату 5.000 руб., то получается до старта обучения вы можете внести остаток либо вот, например, на примере тарифа тока послушать 14900 вы внесёте просто мм сразу, да, до старта обучения в любой день. Либо вы сможете выбрать рассрочку и, соответственно, 19900 у вас уйдёт в рассрочку и вы, а, их там выплатите уже в удобном вам режиме. Ну, мы, конечно, рекомендуем вам полную оплату, тем более ещё до старта обучения есть время, есть возможность подкопить. То есть сейчас вы вносите просто 5.000, а остаток, а, ну, например, для тарифа с обратной связью полная плата 24900 вы внесёте до, а, середины мая. Точную дату обучения мы, конечно же, вам сообщим. А, ну и почему лучше сейчас это сделать? Потому что, ну, во-первых, у вас будут лучше условия по цене, а за вами бронируется место в первом потоке, аа вы не откладываете внедрение ещё на несколько месяцев, потому что как только вы забронируете место, мы вас добавим в чат, э, и вам будут доступны полезные ссылочки. А, в общем, вы сможете даже до того, как начнётся обучение, уже ознакомиться с некоторой информацией. Ну и после прохождения курса уже летом вы можете внедрять агентов свою работу и тем самым выделитесь на фоне другого рынка. Ещё что важно, а вот у нас доступ у курса будет на 5 месяцев к материалам курса. Вы их можете выполнять в свободном режиме. То есть мы не привязываемся к тому, что вы там вот в какую-то неделю делаете эти задания, в другую другие задания. А ваша задача просто м за 5 месяцев выполнить либо домашнее задание и тест, либо просто посмотреть. Ну и у нас есть дополнительные преимущества. Они заключаются в том, что у нас действует рассрочка, как я уже сказала, а то есть вы м можете оплатить частями. А дальше вам будет доступен а сертификат о прохождения обучения. Это будет отличным подтверждением навыков, э, как для имеющегося работодателя, так и если вы сейчас находитесь в поиске работы. А, и, мм, также в-третьих, у школы есть образовательная лицензия. Это означает, что, во-первых, сертификаты номерные официальные, а, во-вторых, вы можете получить налоговый вычет с суммы образования целых 13%. Это не немало. В общем, одни плюсы. И я надеюсь, вы уже готовы внедрить агентов и снять с себя рутину, поэтому записывайтесь на курс. Я вас там очень жду. Лекции классные, материалы классные, а примеры тоже крутые, на которых будем смотреть. А диаграммы все получаются. [смех] В общем, э всё очень здорово. Требования генерируются. А вы хорошо поймёте, почему что-то получа не получается, почему что-то получается, как реально применять агентов, на каких задачах они вам сэкономят время. Поэтому жду вас на курсе. А всем хорошего дня. Записывайтесь по ссылочке под видео. Yeah.