Transcription
Вот так выглядит ответ агента, у которого есть мозг. Один запрос, кто я такой, и он выдаёт полную картину. Вот так без мозга. Та же самая модель, та же подписка за 200 баксов в месяц. И ответ – это наш первый разговор. Ну спасибо, дружище, очень помог. Разница между ними 10 минут настройки. Я подключил своим агентам мозг, одну базу знаний, которая помнит всё: все проекты, все решения, все связи. И к ней можно обратиться из любого агента. Cloud CD, OpenCl, да, вообще из любого. При этом стоит всё копейки. Почему без него ваши агенты – это дорогие игрушки с амнезией? Поехали.
Но сначала вообще давайте разберёмся, почему так. Почему вот наши агенты, как правило, не помнят ни черта? Я думаю, каждому знакома ситуация. Например, то, что с агентом OpenCloud обсуждали в топике там архитектуру, а сегодня он уже ни слова не помнит. Ты ему там 10 раз сказал, что я там работаю с проектами на NextS, и мы будем делать их. А он опять спрашивает, либо выбирает то решение, которое тебе не нужно. Три раза сказал: "Не делай так", кому он снова предлагает. И даже на подписке за там 200 долларов в месяц лимит сессий кончается за там час-два, потому что половина токенов уходит на файлы памяти. Причём это всё не баги, это сама архитектура виновата. И есть несколько причин, почему встроенная память агентов не работает.
Первое – это сброс сессии. В том же Open сессия умирает в 4:00 утра каждый день, и всё, что было в контексте, испарилось. Как там тот друг, который после каждой пьянки, да, не помнит, о чём вы договорились, да, у OpenCl там и у Клауда есть файлы памяти, но LLM сам решает, что сохранять, а что нет, и нет никаких гарантий, что он это сделает. У Клауда кода похожая история, то есть есть автопамять, но она только загружает там первые 200 строк, остальное как небывало. И на практике вот это плоский текст локально на одной машине без каких-либо связей.
Вторая проблема, которая существует – это вот как раз раздувание контекста. То есть все файлы памяти, инструкции, правила, там заметки загружаются в каждый запрос. И OpenCl может засунуть там до 50.000 токенов ещё до того, как ты что-то напечатал. Ткод тоже там порядка 30-40.000. Ты открыл там терминал, сказал: "Привет", а он уже сожрал четверть контекста на то, чтобы вспомнить, кто он такой и кто ты такой. И чем больше ты туда напихал, чтобы агент помнил, тем быстрее у нас по факту кончаются лимиты подписки. То есть платишь, ну, за память буквально.
Третья причина – это изоляция. То есть cloud код не знает, что ты делал в OpenCl. Ладно, разные инструменты, но даже внутри одной системы в Open у тебя может быть там несколько агентов, например, там аналитик, кодер, менеджер, и каждый со своей памятью. Аналитик там нашёл какой-то баг, а кодер не в курсе. То есть это как Open Space, да, где там все в наушниках сидят в офисе. И никто друг с другом не разговаривает. Переехал там на курсор, вот у тебя вообще чистый лист по итогу получается. То есть, здравствуйте, чем могу помочь, я ничего не знаю.
Четвёртая проблема с памятью – это плоский текст. То есть ты, например, говоришь агенту то, что встреча с Иваном перенесена на среду и отдельно. Иван дизайнер, делает там макеты для приложения. То есть это два факта, агент их запомнил. Но когда ты спрашиваешь, когда мне ждать макеты, он не может связать, что макеты делает Иван, а Иван перенёс встречу на среду.
Какие вообще решения есть для памяти и агентов? Что есть у нас на рынке? То есть есть встроенная память, которая там бесплатная, но это плоский текст, да, и каждый агент сам по себе. Плюс это раздувает контекст, как мы уже обсудили. Есть ещё вариант Obsidian плюс skills. То есть это, ну, по сути, вообще это записная книжка больше для людей, куда AI может заглядывать. Сам создаёшь папки, сам раскладываешь, как картотека в поликлинике, да, только цифровая.
Есть такое решение, как mzero, то есть его тоже можно поднять там бесплатно, например, на сервере. Есть даже там какой-то базовый граф, но это по сути другой инструмент. То есть Memer – это память про тебя. Рак память полноценная – это память про там твои проекты, как устроена авторизация, там какой стек, кто что делает и почему. Разница по сути между ними как между визиткой и там, не знаю, чертежом здания. Грефрек – это серьёзная штука. Ну, есть несколько проблем. Первое, при добавлении новых данных он может запустить перестройку там всей структуры кластеров. Ты добавил там один какой-то документ, а он пошёл перекраивать всю базу как ремонт в квартире из-за одного там гвоздя. Из этого вытекает вторая проблема – это расход токенов на каждый поиск. То есть граф рак при каждом запросе отправляет модели огромное описание там своих кластеров. То есть там порядка до 600.000 токенов у меня по результатам тестов на поиск уходит.
Все эти инструменты для памяти я тестировал порядка двух недель и пришёл вот к выводу, что йк, наверное, наиболее там, а, удобное и простое решение. То есть это полноценный граф связи работает там из любого агента через MCP протокол. Данные хранятся у нас вне контекста. То есть адиент дёргает мозг, на котором у нас построен лайтрак только когда нужно, а не таскает всё в каждом там сообщении. То есть обновляет граф, ну, инкрементально. То есть [музыка] по частям добавил документ новый, обновились только новые связи без там пересчёта всей базы. Вот о нём и поговорим.
Кстати, если вы внедряете АИ в свой проект или бизнес и не знаете, с какой стороны подойти, у меня есть личная консультация. Неважно, вы разработчик, который хочет разобраться с конкретным инструментом или владелец бизнеса, который думает, как это вообще всё применить у себя. Созваниваемся, разбираем конкретно вашу ситуацию, что есть, что нужно и какие есть варианты. Приходите с вопросом, уходите с пониманием, что делать дальше. Ссылка на бота для связи в описании.
О'кей. А как йrck решает все наши проблемы с памятью? Вот так выглядит у нас интерфейс. У нас сюда загружаются документы. Мы это чуть позже тоже попробуем. То есть сюда я загрузил, допустим, стандарты разработки своих проектов, текстовку, например, по моим роликам, информацию по моим проектам, голосовые сообщения из OpenClog, какие-то там другие свои заметки. На основании этих загруженных документов Lightrack построил Knowledge граф, то есть граф знаний. Звучит, наверное, как диссертация, но сейчас покажу вживую, и всё станет понятно.
Вот вкладка граф знаний и в ней мой граф. То есть сейчас по факту мы реально залезем ко мне в мозг. То есть есть у вас уникальная возможность посмотреть, какой [смех] творится у меня в голове. Выглядит, наверное, как карта галактики, но по сути каждая из вот этих точек – это какой-то реальный факт из этих документов. Каждый кружок вот этот – это нода, то есть сущность. Вот мой и продавец из ролика, который почти год назад уже вышел. И когда мы кликаем по нему, у нас справа открывается карточка. И вот здесь есть степень. То есть у этой ноды есть 13 связей с другими. И можно посмотреть вот связи как раз в подграфе, то есть и продавец связан со мной, с Telegram ботом, с Google Драйвом, с историей сообщений, с ассортиментом товаров и с множеством других нод. А линии как раз, которые идут вот между ними – это рёбра. То есть, видите, вот и продавец, например, связан у нас с Telegramботом. Telegramбот, например, связан с Supabase. Каждое ребро говорит, как одна штука связана с другой, то есть работает там через, хранит данные в или там подключен к. То есть они не просто как-то лежат рядом, а, ну, реальное отношение между ними существует. То есть это как оргструктура компании, только вот для там твоих мозгов.
Самые жирные ноды объединяются в кластеры. То есть, как видите, вот у Supabase, например, аж 55 связей с различными там моими проектами, то, что я в роликах там Supabase упоминал. И по сути я ничего руками вот это, естественно, не рисовал. То есть я кинул все документы, периодически их дополняю, ик сам вытащил эти все сущности и соединил между собой. То есть по сути, как если бы я там нанял какого-то аналитика, который прочитал там мои записки и нарисовал вот такую вот карту.
Технически как это работает? Сначала модель читает вот э все эти наши файлы, вытаскивает оттуда сущности, связи, кто там что как связано. Потом для каждой из них генерирует описание, то есть не просто мимису по BASE, а что это такое и зачем нужно? И в конце происходит дедубликация. То есть если одно слово встретилось там в десяти документах, в графе будет вот одна нода Supabase, а не 10 там штук. То есть три шага из сырого нашего текста получается вот этот чистый граф.
А теперь самое интересное, как он ищет. Для этого есть вкладка поиск. Справа у нас находятся параметры, то есть какой там режим, сколько ноды рёбер использовать, то есть насколько глубоко искать. Ввожу запрос, как, допустим, устроен ей продавец. Отправляем его. Lightк взял наш запрос, нашёл нужные ноды. Там вот и продавец, Supabase прошёл по рёбрам между ними и собрал нам полную картину. Внизу здесь как раз можно посмотреть то, что вот референсы, из каких документов он что взял и дал нам исчерпывающую информацию. То есть и продавец устроен на базе N8N Supabase. Ну, в общем, на паузу можете поставить и почитать, если нужно.
По сути, внутри Lightrack работают две модельки. Первая – это Embedding модель. Она превращает текст наш из документов в координаты, то есть числа, которые вот описывают смысл и находятся в определённом месте в графе знаний. Каждая нода, каждый кусочек текста получает свою точку в облаке смыслов. И вот эти кластеры все большие, которые вы видите на графе, они не случайно там рядом стоят. Например, кластер Open Cloud и кластер Lightrack рядом, потому что Lightrack может работать с OpenCloud. Embedding модель это и делает, то есть раскладывает факты так, чтобы похожие были рядом.
Вторая LLM, которая стоит – это, ну, по сути, модель библиотека, не Клауда, да, там по подписке, которая там за 200 долларов в месяца маленькая, шустрая. Ну, типа там стажёр в библиотеке, который бегает между полками и собирает вот нужные книги и даёт нам готовые факты. То есть его работа вытаскивать как раз вот эти сущности из текста и собирать ответы на запросы. Я для этого использую модель GMI 2.5 Flashlight. Через пользы AI стоит копейки. Ну, сколько конкретно это стоит, покажу проще в конце ролика с реальными числами.
А для того, чтобы нам к этому библиотекарю самому не ходить, мы подключаем простотрек через протокол MCP к нашим агентам. MCP простым языком это, ну, как, не знаю, как USB, как стандартный разъём для подключения там инструментов к ЕA агентам. И у нас получается, по сути, один config и cloud код, OpenCloud, курсор, там, вот что угодно подключен к одному мозгу.
Давайте посмотрим, как это выглядит на практике из агентов. Я буду показывать на ClДО. Это десктопное приложение. Всё то же самое работает и в терминале, и в расширении для Visual Studio OpenCl, да, и вообще любой агент, который поддерживает MCP. То есть интерфейс разный. Мозг у нас один. Вот код, то есть обычный. Сейчас без Light йrck я его отключил. Мы его спрашиваем просто: "Кто я такой?" Он даже решил жульничать. Он посмотрел свою память внутреннюю. Ну, я её почистил предварительно, поэтому он пишет, что у меня пока нет никаких сохранённых данных о тебе. Это наш первый разговор.
А теперь тот же Cloudкод, но с подключенным Lightрак. Тот же самый вопрос: кто я такой? Ты, Алексей Колесов, YouTube, канал такой-то, кодер, мой стек, интересы и активные проекты. Локация Россия, криптой, не интересуешься. То есть ничего себе, у нас первое свидание. То есть он знает обо мне больше, чем некоторые коллеги. И это свежая сессия, то есть у нас ноль контекста, всё из графа. Та же модель, та же подписка, разница в 10 минут настройки и вот такой результат. Ну да, информацию обо мне он бы мог взять бы и из стройной памяти. Поэтому давайте мы перейдём к каким-то более сложным примерам.
Давайте погоняем по моим проектам. Спросим, как устроен N8N MCP сервер. Это твой проект. 8.600 строк кода, двухсерверная модель, прокси мотификация сессии без кэша 15 инструментов. база знаний, а Supabase под капотом, то есть он абсолютно всё про мой проект знает. Про Nem MCP был отдельный ролик. Кто не видел, рекомендую посмотреть. Ссылку в описании оставлю после просмотра этого ролика. Можете посмотреть и его. Агент сходил и собрал полную картину по этому проекту за секунды. Не загуглил, а прошёл вот по графу.
Что такое контент-завод для Telegram? Это твой проект, система для автоматизации ведения Telegram-канала. Как работает? Какие workflow, какие таблицы, оценка качества и расширяемость. Какой стек у дашборда видеопродакшена? Стек такой-то веб-приложение NextJS, Supabase. Ну и так далее. Тут Виспечат, YouTube data. Хорошо, давайте глубже копнём. Кто его сделал? Дашборд VP делали втроём. Алексей, ты заказчик, инициировал создание через AI компанию. Дима, основной кодинг и Виктория.
Где работает Дима и Виктория? Что за AI компания? Он сходил опять же в йтрак и посмотрел то, что они работают в AI компании, которая управляется через Paper Clip. Iагенты они люди. Paperкlip их офис, там хранится оргструктура, роли сотрудников агента задачи. Ты единственный человек в этой компании. Остальные, и мы посмотрели данные по трём разным проектам, по трём там разным роликам. А мозг по факту помнит всё. Как будто у тебя есть ассистент, который посмотрел там все твои видео в курсе всех твоих проектов, прочитал все твои заметки. Если тоже хочешь такого ассистента, ставь лайк.
О'кей. Данные он помнит. А как данные вообще попадают в мозг? Есть несколько способов. Способ первый, да, то есть агент сам решает, что вот мы, допустим, у нас есть топик, где мы, да, там что-то обсуждаем. Если какой-то важный, на его взгляд, [смех] элемент есть, который нужно запомнить, он может вызвать этот инструмент и сам, собственно говоря, записать. Как он знает, что сохранять? Конфиге у него прописано. Вот кратко покажу. То есть при старте сессии ищи контекст. Во время работы сохраняй решение, там выборы, факты, пропускай там мусор. Для OpenClow тоже самое, только файл называется агентством D. Подробнее покажу в установке, пока знаете, что эти два файла существуют.
Способ второй. Мы можем напрямую ему сказать, что нам нужно. Запомни, что если у ребят будет йтрак интерес, они прожмут там лайки, колокольчики и все кнопочки, которые существуют, что нам нужно с тобой показать интеграцию Lightrack с N8M. Лот написал короткую заметку, собственно говоря, передал библиотекарю, а он там уже в нужный нам часть нашего графознания и мозга положил. То есть по факту я там через месяц спрошу, какие идеи для видео у меня есть. Он мне напомнит то, что а можно показать интеграцию с N8 CEN, если зрители поставили лайк. Работает как по-русски, так и по-английски. Можно написать remember и там, что нам необходимо. В обратную сторону, соответственно, вспомни либо recall по-английски.
Ну и третий способ загрузить данные в наш мозг – это пакетная загрузка через интерфейс Lightrack. Покажу её чуть позже на этапе установки. А теперь самый ленивый способ – это Telegram. У меня есть агент OpenCl. Про него был отдельный ролик на канале. В нашей группе с ним есть топик знания. Я говорю агенту: "Записывай всё". И он с этого момента каждое сообщение в этом топике автоматически записывает мозг. Это тоже у него записано в системном промте. Функция авто capture. Никаких там скриптов, никакого терминала не нужно.
Мы можем записать голосовушку в телеге и, например, сказать то, что слушай, я созвонился с Максимом, заказчиком по е продавцу. Он просит добавить ему аналитику по конверсиям и дашборд для менеджеров нужно сделать до конца апреля. Агент расшифровал нашу голосовушку, вытащил суть и сохранил йтрек. Вот она, появилась новая заметка. И если мы зайдём в граф знаний, мы здесь увидим то, что вот Максим, дашборд, и так далее. Можно здесь также по имени узла искать. Теперь, когда я сяду работать, агент уже знает, что нужно сделать. Я эту голосовуху через там неделю забуду, а мозг нет. Лучше любого ежедневника и не нужно там ничего открывать. Просто вот наговорил на ходу.
И вот ключевой момент. Если мы вернёмся в cloud код и спросим, что мне нужно сделать для Максима, он идёт в наш мозг и, собственно говоря, говорит: "Максим клиент по проекту". Он запросил дополнительную функции дашборд, дедлайн такой-то. То есть по факту мы получаем один мозг, который можно войти через любой вход. Это работает с любым агентом через протокол MCP, то есть Cloud CD, OpenCla, Paper Clip, хоть свой там бот на Пайthне написанный. То есть один конфиг, и все подключены к одной памяти без там каких-то синхронизаций, без экспортов и без прочих танцев с бубном.
И степень детализации этой памяти и мозга может быть достаточно такой глубокой. Например, Paperclip команда, они как раз сегодня тестировали безопасность. Вот давайте что-нибудь спросим. Я спросил, есть ли проблемы с безопасностью моих проектов. Не уточняю проект. Ребята работали над дашбордом, ну и, собственно говоря, они туда это записали. То есть дашборд VP, а маршруты без авторизации. То есть вот баг они нашли. И, соответственно, из совершенно другого инструмента мы можем вернуться там в Open и то же самое спросить, и он то же самое ответит. То есть любой из фактов из одного контекста доступен в любом другом. И не нужно при этом копировать, не нужно там пересказывать. Мозг один. То же самое касается и мультиагентных систем в рамках одной платформы.
О'кей, вы всё это посмотрели и теперь хотите, например, себе этот мозг установить. И вот тут обычно начинается там терминал, докер, переменное окружение, конфиги, SSL-сертификаты. Кто не дружит с терминалом, да, там уже вспотел. Раньше бы я записал часовой мануал, где разбираю там каждую переменную, за что отвечает, но сейчас в 2026 году нахрена это делать? Вот у нас есть папка с инструкцией. Есть файл install MD, то есть это точка входа. Внутри пошаговая инструкции для агента. Что спросить, что поднять, что проверить, что выдать. В конце всё расписано. Сам Lightrack Open source, то есть бесплатная ссылка на GitHub, будет в моей телеге. Кто хочет, может сам разобраться, но зачем, если можно сделать вот так.
Специально сейчас отключил свой мозг и покажу вам на тестовом сервере, как это всё работает с полного ноля. Открываем чистую пустую сессию Cloud CD, выбираем папку с инструкциями и пишем сообщение. В этом сообщении мы указываем данные для доступа к нашему серверу. IP логин пароль. Отправляем его. Прочитал инструкции и пошёл смотреть на сервере, что у нас стоит, что нет. И сейчас составит нам план установки. Что ему непонятно, он у нас спрашивает. То есть есть ли домен, мы ему пишем домен, потому что он у нас привязан уже. Какой lm провайдер мы будем использовать для lrack? Я буду использовать польза AI. Ссылку я тоже оставлю в описании на ребят. Это агрегатор AP нейросете. Соответственно, ключи находятся в разделе i ключи. Вправляем сообщение, создал все планы работы и пошёл устанавливать и разворачивать там всё на сервере.
Занимает это всё порядка там 10 минут. Пока он работает, расскажу, что он делает под капотом. Он генерирует ключи, там пароли, токены, всё сам. Не надо ничего там придумывать и где-то там все записывать. Подключит MCP к Open Cloud, который стоит на сервере, и подключит MCP к нашему cloudкоду, который работает локально. То есть он сам всё сделает, добавит все конфиги и помимо этого пропишет промты для агентов, чтобы они понимали, как работать с нашим мозгом. Да, иногда он тут может споткнуться, там серверы разные, конфигурации разные. Если что-то не сработало, то есть просто можно сказать ему, что почини, он там разберётся. Но обычно с этой инструкцией он справляется там с первого раза. Я протестировал порядка двадцати установок и проблем не было. Ну и да, конечно, он и на чистый сервер всё поставит, но удобнее, когда у вас уже стоит OpenCla, чтобы он все там конфиги прописал.
Готово. Вот что он выдал URL адрес сервера. Все нужны IP ключи, логины, пароли, статус подключения клаудкоду и OpenClow. То есть всё сгенерировано, всё подключено. Никаких там. Скопируй эту переменную, вставь там сюда, не забудь там кавычки, а теперь перезагрузи и поболись. Он сам всё сделал. Зайдём в интерфейс. Граф, естественно, у нас пустой и ждёт наших документов. Давайте проверим, что всё работает. Для этого загрузим парочку документов. Я закину транскрипцию своих роликов. Ну и тут несколько минут нужно подождать, чтобы файлы обработались. Пошла индексация файлов. И если мы зайдём в граф знаний, но уже появились, связи строятся. И, ну, работает это, в принципе, точно так же, как я показывал в своей версии. То есть чисто установка и через 10 минут полноценный мозг. Кто бы мне год назад сказал, что настройка сервера будет выглядеть вот так, я бы, честно говоря, не поверил.
Я рекомендую ставить это всё-таки на сервер, а не локально. То есть, чтобы данные были доступны всегда, даже там когда ноутбук закрыт или там даже с телефона. И мощностей тут особых не нужно. То есть один простой сервер за там 800 тире 1.000 руб. это потянет. Если у вас уже есть сервер, ну там Open Call стоит, PERClip или там N8N или Supabase. Отдельно ничего заводить не нужно. Lightк встанет рядом. Нет сервера там и пока не готовы, да? Там TЖ Docker, эта технология, через которую Lightrack разворачивается, ставится там и на Маке, и на ноутбуке. Ставится точно так же, только без домена. Потом можно перенести.
Давайте теперь проверим, как работает. Я открыл тестового бота, который привязан к OpenCl. Ну и, собственно говоря, он сейчас в базу знаний сходит и посмотрит и расскажет, что там есть. Бази знаний сейчас три документа, все обработаны. Асистенка, ну, собственно говоря, он уже ориентируется в контексте. Ну и в Paperclip доступ к нашему мозгу тоже есть, потому что мы прописали конфиги для клода, который стоит на сервере, и автоматически для всех агентов они подтянулись. Про Paper клип ролик есть на канале, рекомендую посмотреть после этого.
Вся эта папка с инструкциями, с файлами правил, стратегией загрузки будет в приватке. Ссылка в описании. Подробнее расскажу в конце ролика. А пока давайте поговорим про грабли, потому что без них не бывает. Первый нюанс, который стоит знать, то, что каждый документ, который мы загружаем, он обрабатывается секунд там 30-60, потому что модели нужно прочитать текст, вытащить сущности, построить связи. То есть, если ты закинул 50 файлов, будь готов подождать там минут 20-30. Не критично, но знать надо.
Второй нюанс, который важно знать, это то, что если мусор на входе, то мусор и в графе. Я по наивности закинул сырые логи с сервера. Ну, вы знаете, эти там километровые портянки с ошибками. Граф нарожал ноды, типа там 500 или Connection Time Out. Очень полезные сущности. Ага. Пришлось потом чистить.
А третий нюанс. Если агент запомнил какую-то чушь, это легко чинится. Вот смотрите, грок, например. Зачем он нам нужен? Мы на него кликаем на сущность и нажимаем кнопку прун. Всё, его нет. Нажал, удалил. Связь там неправильно удалил. Можно там самому агенту сказать там: "Удали сущность X из мозга". То есть там, ну, пару секунд и не нужно там лезть в какую-то базу данных, не нужно писать или запросы, как в случае суйс. Мозг – это не там татуировка какая-то, всё исправимо.
Теперь что загружать в мозг и в каком порядке? Мои агенты наваяли вот такую пирамиду. На вершине, да, у нас решения и причины. То есть самое ценное записать не что решили, а почему. Выбрали Telegram бота вместо мобильного приложения, потому что клиенты уже в телеге и не хотят ничего скачивать. Отказались от сервера на Amazon там в пользу своего, потому что это тупо дешевле. То есть решение без причины – это бесполезный факт. А с причиной агент потом сам подскажет похожее решение в каком-то новом проекте.
Дальше факты о проектах. Стек, структура, там текущие задачи. Потом там предпочтение, то что, например, там все проекты делай на next. Разворачиваю проекты там через докер и только на своём сервере. Именно внизу пирамиды, это у нас документации какие-то, там документы, свои гайды, заметки. А вот что точно не нужно загружать, это исходный код, какие-то там логи, дампы базы данных. Начни там с десяти ключевых фактов. Это будет лучше, чем 1.000 файлов с мусором. То есть лучше маленький чистый граф, чем огромная помойка.
И лайфхак напоследок – это голосовые заметки. Помните, как я показывал, как я наговорил голосовушку в Telegram? Если бы она была более длинная, то не нужно там как-то структурировать свои мысли в голове. Можно просто наговорил как есть потоком сознания, но просто если мы скинем этот поток сознания напрямую, он запишет как есть со всеми там. Ну, короче, блин, его там и прочее. Поэтому в конце просто своей заметкой говорите то, что структурируй и сохрани в базу знаний. Не бойтесь самому и агенту довериться. То есть мозг-то наш, формулировки его, потому что ему потом с этой инфо и работать.
И главный вопрос, который все, наверное, ждали, сколько это стоит? Индексация пятьдесяти документов 15 руб. Это разовый расход. Весь расход за всё это видео 7 руб. И вот что важно. Неважно, что будет с инструментами через полгода. Память живёт отдельно от них. Новые агенты приходят и уходят, а все ваши наработки, данные по проектам всегда останутся на месте.
Инструкция для установки, конфиги для агента. Всё будет в моём приватном Telegram-канале. Ссылка в описании, QR-код на экране. Плюс там решение всех моих роликов, чат и видео созвоны, где мы обсуждаем наболевшее. Если нужна помощь конкретно с вашей задачей, есть опция обратиться на консультацию. Ссылка на бота для связи тоже в описании. Если видео было полезно, подписка, лайк и комментарий – это лучшая поддержка с твоей стороны. Увидимся в следующем видео. Пока.