Валерий Бобров | IT и технологии

А я снова подал доклад на INFOSTART TECH EVENT 2026✍️ Тема: "Агент не учится сам: как мы управляем skills на примере агента для расчета зарплаты" Кстати, в самой заявке есть один небольшой спойлер, о котором я пока ещё нигде не рассказывал 🤫 Пока раскрывать не буду, но внимательные, думаю, заметят 🤪 Мы делаем агента, которому хотим полностью отдать расчет зарплаты: чтобы он сам собрал и проверил данные, выполнил нужные действия в 1С и подготовил документы через API банка. В идеале человек в этом процессе вообще не участвует. Агент делает всё от начала до конца, и, кажется, до такого сценария нам осталось уже совсем чуть-чуть 🤯 Расчет зарплаты здесь будет примером. Сам доклад про то, как мы управляем skills агента. Потому что поправить одну ошибку в переписке несложно. Гораздо интереснее понять, какой именно skill дал сбой, как его изменить, не сломав остальные, и как проверить, что в следующий раз агент точно работал уже по новой версии. На докладе покажу одну такую историю целиком: ошибку, изменение skill и следующий запуск 👨‍💻 Остался только второй тур, в первый не получилось попасть, поэтому только одна попытка пройти на конференцию 🧘 Если тема вам интересна, буду очень благодарен за голос ❤️ ➡️ Проголосовать за доклад P.S. на фотографии первый слушатель моего доклада 🐒

Что-то я совсем затих здесь, я никуда не пропал, просто в последнее время стараюсь немного замедлиться. Учеба закончилась, я решил сменить обстановку и прилетел в Иркутск ✈️ Правда, свободного времени всё равно почти нет 😩 За это время появились новые проекты. Пока не могу рассказывать о них подробнее, но материал уже копится. Скоро будет чем поделиться и о чём поговорить 🤪 А пока оставлю здесь фотографии с активных выходных

Что такое агент и harness Продолжаю рубрику #База_по_AI ✍️ Были MCP и Skills, а теперь давайте поговорим про агентов Я часто объяснял агента просто: это LLM, которая может что-то делать, Но внутри всё интереснее 🤖 Агент = Модель + Harness Модель это LLM. Сама по себе она умеет только генерировать текст. Она не читает файлы, не запускает команды, не помнит прошлые сессии и не ходит во внешние системы Harness это обвязка вокруг модели. Она даёт инструменты, правила, память, доступы, проверки и цикл работы Агент это вся система целиком: модель плюс harness Из готовых примеров: OpenClaw, Hermes, Claude Code, Codex, opencode и др. Агент появляется не из-за того, что модель стала "умной", а когда вокруг неё собрали окружение для решений и действий Что входит в harness ⚙️ Системный промпт и правила Правила поведения агента. Часто это AGENTS.md, CLAUDE.md, Cursor Rules и похожие файлы Tools или Инструменты Это руки агента. Через них он читает файлы, ищет по проекту, запускает команды, работает с API и другими системами Permissions и sandbox Ограничения. Агенту нельзя давать полную свободу, иначе он может удалить не тот файл или отправить данные наружу Context and memory Это управление контекстом. Если сложить туда всё подряд, модель начнёт хуже соображать. Harness решает, что оставить, сжать, сохранить в память и достать позже Тут рядом тема MCP. Он даёт агенту доступ к внешним системам: документации, трекеру задач, базе знаний, своим сервисам Про MCP писал отдельно Skills Оформленные навыки агента. Например: ревью, схемы, changelog, работа с конкретным форматом документа Про Skills тоже был отдельный пост Observability Это возможность видеть, какие tools агент вызвал, какие файлы открыл, где ошибся и почему остановился Как это превращается в агента 👨‍💻 Harness это не просто набор настроек. Главное, что он управляет циклом работы 1️⃣Сначала harness собирает контекст: системный промпт, запрос пользователя, историю сессии, правила проекта, доступные tools, прошлые результаты и куски памяти 2️⃣ Потом модель получает этот контекст и выбирает следующий шаг LLM не запускает команды сама. Она генерирует ответ. Иногда это обычный текст, а иногда tool call: название инструмента и аргументы 3️⃣ Дальше harness проверяет действие: разрешён ли инструмент, корректные ли аргументы, не выходит ли агент за sandbox, нужно ли подтверждение пользователя 4️⃣ Если всё нормально, harness выполняет действие и превращает результат в observation Observation это результат шага: содержимое файла, вывод команды, ошибка тестов, ответ API или список найденных сущностей 5️⃣ После этого observation добавляется в историю и снова отдаётся модели Модель уже не гадает вслепую. Она видит результат прошлого шага, выбирает следующее действие Это и есть агентский цикл ⚙️ Сначала контекст ➡️ вызов LLM ➡️ Вызов инструмента ➡️ Результаты ➡️ следующий вызов модели Цикл крутится, пока задача не выполнена, не нужен человек, не превышен лимит шагов или агент не упёрся в ошибку Агент работает через feedback loop Он делает шаг, смотрит на результат, исправляется и двигается дальше Тонкий и толстый harness Тонкий harness больше полагается на сильную модель. Толстый harness берёт больше логики на себя: готовит контекст, описывает инструменты, ограничивает действия и помогает слабым или локальным моделям Сильная LLM с плохой обвязкой может дать кашу. Модель попроще, но с понятными правилами, нужными инструментами, чистым контекстом и проверками может сработать стабильнее Почему это важно 🤔 Сейчас всё постепенно смещается от промптов к окружению вокруг модели Prompt engineering это как написать запрос Context engineering это какую информацию дать модели Harness engineering это как собрать систему: инструменты, цикл работы, память, права, проверки и наблюдаемость Именно harness превращает LLM из умного собеседника в инструмент, который может стабильно делать полезную работу Если хочется погрузиться побольше, то рекомендую: 🎙 Стрим "Что же такое harness?" Константина Доронина И статью: 🖥 What is an AI agent harness? И тут подписаться 🤪

🚀 1С Работа: вакансии, зарплаты, собеседования и рынок в одном канале! Что публикуем: 🔥 актуальные вакансии для 1С-специалистов 🔥 вопросы с собеседований и разборы ответов 🔥 аналитику зарплат и спроса на рынке 🔥 новости, тренды и полезные наблюдения по 1С 🔥 материалы, которые помогают лучше понимать, куда движется рынок 😄 1С-мемы, в конце дня Это сообщество для тех, кто хочет понимать свою стоимость, видеть реальные требования работодателей и держать руку на пульсе рынка 1С. Подпишись на канал | Подпишись в max

Всех с днём России! 🇷🇺

В последнее время я очень много работаю с AI-агентами: анализирую материалы, разбираю идеи, генерирую черновики, сравниваю подходы и пытаюсь всё это нормально уложить в голове 👨‍💻 И в какой-то момент понял, что текстом это всё анализировать уже тяжело Когда у тебя много сущностей, связей, tools, skills, MCP, процессов и вариантов архитектуры, обычный текст быстро превращается в кашу 🫠 Поэтому я всё чаще начал просить агентов делать визуальные артефакты: — схемы — диаграммы — наброски архитектуры — flowchart процессов — sequence diagrams — карты идей То есть не просто "объясни мне", а: "покажи, как это устроено" И вот в поисках нормального формата для таких визуализаций нашёл несколько полезных Agent Skills Недавно я уже писал про диаграммы как код: Там были PlantUML, C4, Docs as Code и идея, что схемы можно хранить рядом с кодом, версионировать и использовать как часть разработки А эти skills хорошо продолжают эту тему, только уже в контексте AI-агентов ➡️ Excalidraw Skill Сейчас я чаще всего смотрю именно в сторону Excalidraw Мне нравится этот формат: получается понятная схема в стиле наброска, но при этом её можно потом открыть и руками отредактировать через нормальный интерфейс Для объяснения идей, архитектуры, процессов и связей между агентами/tools — очень удобный вариант ➡️ Mermaid Skill Когда нужна диаграмма как код: flowchart, sequence, ER, state, гант и всё, что удобно хранить в git или документации ➡️ PlantUML Skill Больше подходит для формальных UML/C4-схем и другой архитектурной документации ➡️ Draw.io Skill Для более аккуратных инженерных диаграмм, которые потом можно открыть и доработать в draw.io ➡️ tldraw Skill Быстрые схемы, которые хорошо подходят для набросков, обсуждений и визуального объяснения сложных идей Почему мне это показалось важным 🤔 На первый взгляд это просто skills для визуализации Но по факту они делают работу агента более системной Агенту мало сказать — "нарисуй диаграмму" Ему нужно понимать: 1️⃣ какой формат выбрать 2️⃣ когда использовать Mermaid, PlantUML, Excalidraw или draw.io 3️⃣ как не сломать структуру 4️⃣ как проверить результат 5️⃣ что отдать человеку на выходе И вот тут skills очень помогают Они не просто дают агенту инструмент, а объясняют, как этим инструментом нормально пользоваться А вы чем пользуетесь для диаграмм и визуальных набросков: Mermaid, PlantUML, Excalidraw, draw.io или чем-то ещё? 👀 В комментариях примеры работы ⬇️

Всем привет! Прямо сейчас я выступаю на конференции и это пост с материалами к докладу 👨‍💻 Тема доклада: «Как впустить AI-агентов в наши конфигурации 1С и не дать ничего сломать» Главная мысль доклада: мы не даём модели полный доступ к 1С. Мы проектируем безопасный контур, где агент может выполнять только понятные, ограниченные и проверяемые действия То есть не «модель в базу», а: пользователь → агент → skills → MCP/API → tools 1С → журнал 🔖Главная ссылка по материалам Google-документ с большой подборкой материалов по AI-агентам Это, наверное, самая полезная ссылка из всего списка. Там собраны материалы по агентам, которые можно использовать как карту для дальнейшего изучения: что читать, какие подходы смотреть, с чего начинать эксперименты. ➡️Про MCP Про MCP я уже подробно рассказывал в отдельном посте, поэтому здесь заново объяснять не буду: Мой пост про MCP В контексте этого доклада важна другая мысль: MCP помогает удобно отдавать tools агенту, но MCP сам по себе не гарантирует безопасность. Если через MCP отдать опасный tool, он опасным и останется. Поэтому безопасность появляется не из самого MCP, а из того, как мы проектируем tools, права, подтверждения, ограничения и журналирование. ➡️ Про skills Про Agent Skills у меня тоже уже был отдельный пост: Мой пост про Agent Skills А в этом докладе мне было важно не заново объяснить, что такое skills, а связать их с идеей из доклада Алексея Острикова про AI First. Доклад Алексея Острикова «How to Build an AI-First Company» Ключевая мысль, которую я поддерживаю: Skills полезно разделять на инфраструктурные и бизнесовые. Инфраструктурные skills объясняют агенту, как работать с системой: — как найти пользователя — как найти рабочую группу — как получить обращение, наряд, изменение — что нельзя угадывать ссылки на объекты 1С — что делать, если найдено несколько похожих объектов А бизнесовые skills уже описывают конкретный процесс: — как руководителю разобрать просрочку — как проверить трудозатраты — как подготовить наряд — как помочь с согласованием — где остановиться и спросить человека То есть tools дают агенту действия, а skills помогают не превратить эти действия в хаос. ➡️ Про безопасность Очень советую посмотреть: OWASP Top 10 for LLM Applications В контексте агентов особенно важна тема excessive agency — когда системе дали слишком много прав, функций или автономности. Пока модель просто отвечает текстом, мы боимся плохого ответа. Когда агент получает tools, мы уже боимся плохого действия. Поэтому я предлагаю смотреть на действия агента через уровни риска: 🟢 R0 — прочитать данные 🟢 R1 — посчитать аналитику ⚠️ R2 — создать черновик ⚠️ R3 — изменить, назначить, согласовать И правило здесь простое: чем выше риск, тем меньше автономности у агента Read-only аналитику можно пробовать первой. Создание черновиков — уже аккуратнее. А согласование, переназначение, изменение релизов и другие действия с последствиями — только через: план → подтверждение → выполнение → журнал Всем спасибо, кто был на докладе, надеюсь было интересно и хоть чуточку полезно!

Начинаю выкладывать свой опыт работы с openclaw 👨‍💻 Думаю, многие из вас уже слышали про openclaw, а кто-то даже успел потестить. Если коротко — это open-source агент, который умеет работать с разными инструментами, писать код, выполнять задачи и сам себя тестировать ✍️ Я сам хотел попробовать его с момента релиза, когда у него ещё не было такого космического количества звёзд на гитхабе, но руки дошли только сейчас 🤪 У меня давно болит одна тема — в команде нет человека с ролью секретаря, который бы записывал всё подряд: созвоны, идеи, задачи. А по факту это превращается в миллион телеграм чатов, где все что-то пишут, и в итоге половина теряется и забывается 😕 И вот у openclaw из коробки очень хорошая работа с телеграмом, и я подумал — а что если попробовать? Первое, что мне стало интересно — а получится ли сделать агента для записи и суммаризации наших созвонов в Телемосте 🤔 Идея не нова, но почему-то мы так и не подключили никакое готовое решение. Да, в самом Телемосте есть протоколирование встреч, но нужно иметь подписку на каждого пользователя, а мы не такие богатые, поэтому делаем сами 😭 Развернул openclaw на арендованном сервере с 4 CPU и 8 GB RAM, подключил свою подписку ChatGPT Plus и сразу пошёл реализовывать навык для протоколирования встреч Идея супер простая 1️⃣ Через playwright зайти по ссылке на созвон 2️⃣ Поставить запись аудио 3️⃣ Транскрибировать 4️⃣ Сделать протокол с помощью самого агента И тут самое интересное — особенность openclaw в том, что я прямо через общение с ним реализовал этот скилл. Он сам себя тестировал, а я тестировал только то, что он сам проверить не мог 🤪 Итог: Реализован скилл, при помощи которого openclaw, когда видит в сообщении ссылку на созвон Телемоста, подключается к нему, записывает звук, после окончания созвона прерывает запись, делает транскрибацию через faster-whisper, удаляет аудио файл и формирует протокол по заготовленному промпту. После этого пишет в чат, что протокол готов 👍 Видео приложил, а вот ссылка на гитхаб, можете забрать этот навык себе и потестить Естественно, на этом я не остановился и дальше начал организовывать проектную работу через openclaw — сейчас прорабатываю организацию проектной памяти по топикам, расскажу об этом отдельно ☕️ А вы уже пробовали openclaw? Если да — делитесь в комментариях, как у вас ⬇️

🎁 ХОТИТЕ ПОПАСТЬ НА ЕстьРесурс ERP AI Forum БЕСПЛАТНО? Тогда у вас есть отличный шанс. Мы разыгрываем 3 офлайн-билета «Стандарт» на ЕстьРесурс ERP AI Forum, который пройдет 27 мая в Москве. Стоимость одного билета — 40 500 ₽. Что вас ждет на форуме: ⚡️ реальные кейсы применения ИИ в 1С и ERP ⚡️ практические инструменты для автоматизации бизнеса ⚡️ сильные доклады от экспертов и практиков ⚡️ живое общение со спикерами, экспертами и ИТ-руководителями ⚡️ полезные знакомства и новые возможности ЕстьРесурс ERP AI Forum — это про то, как применять ИИ не “когда-нибудь потом”, а уже сейчас в реальных проектах. ‼️Если вы хотите узнать про то как сейчас используют ИИ для 1С, то этот форум нельзя пропускать. Как участвовать в розыгрыше: 1️⃣ Перейдите в бот форума: https://t.me/esres_bot 2️⃣ Нажмите «Старт» 3️⃣ Подпишитесь на 9 каналов участников 📅 Победителей объявим 30 апреля. Пусть именно вам достанется билет на одно из самых практичных событий по 1С и ИИ этой весны 🚀

Прорабатываю сейчас свой доклад, который будет на конференции в мае Доклад должен получиться очень насыщенным, агенты, наверное, самая увлекательная тема для меня сегодня И судя по опросу, где мой доклад занял 2 место по количеству голосов, вам тоже интересна тема агентов, всем, кто голосовал — спасибо ❤️ На самом деле, в очень интересное время мы живем, словами не передать, как это, когда ты разрабатываешь агента, запускаешь и он по твоему текстовому запросу выполняет всё что ты захочешь 🤯 Подробнее обо всем расскажу на конференции 27 мая А пока есть очень крутой шанс попасть на конференцию бесплатно — проводится розыгрыш 3-х билетов, которые дают очное участие в конференции 🤑 Или все также можно купить билет со скидкой 10% по промокоду 8FQ2E Снизу инструкция как поучаствовать в розыгрыше ⬇️

А я снова на конференцию ✍️ Но тут — только послушать, беру отдых (до мая) На следующей неделе, 4 апреля, будет DevCon 1С в Москве ☕️ А для меня это особенно интересная возможность — я ещё ни разу не был на официальных конференциях от 1С, так что очень хочется наконец попасть и посмотреть на всё это лично 😍 Все-таки это мероприятие от самого вендора, где можно не просто послушать доклады, а ещё и пообщаться с разработчиками 1С напрямую Мне, конечно, отдельно интересно узнать больше про напарника: как они видят его развитие, что будет дальше, и увидим ли мы когда-нибудь в 1С уже полноценную официальную агентскую разработку Короче, ожидания от DevCon у меня прям хорошие Думаю, будет много интересных разговоров не только на докладах, но и где-нибудь между секциями и на обеде ☕️ Кто тоже будет на DevCon 1С? Увидимся, пообщаемся, будет очень приятно всех снова встретить 😅

Я забыл рассказать про тему доклада на этой конференции 👨‍💻 Да-да я всё также продолжаю экспериментировать с AI в 1С 🤪 И в новом докладе хочу показать уже не только сторону разработки, а скорее автоматизацию работы пользователей с помощью AI-агентов Тема доклада ✍️ "Как впустить AI-агентов в наши конфигурации 1С и не дать ничего сломать" Сейчас LLM быстро двигаются в сторону агентов, которые могут не просто что-то подсказать в чате, а реально выполнять действия в 1С А значит, и риск уже другой: не "модель ответила ерунду", а "агент что-то поменял в базе, зашёл не в ту дверь или создал лишнего" 😕 Поэтому в докладе хочу разобрать, как выстроить безопасную работу таких агентов: через права, подтверждение операций, проверку входных данных, журналирование, возможность отката и связку MCP-серверов со skills На практических примерах покажу, как внедрять AI-агентов так, чтобы они помогали пользователям, брали на себя часть процессов, но при этом не могли ничего сломать Например: 1️⃣ Формировать отчеты в режиме только чтения 2️⃣ Создавать черновики документов и заявок без проведения 3️⃣ Выполнять рискованные операции только по схеме план → подтверждение → выполнение В общем, хочу поговорить о том, как впускать AI-агентов в реальные базы 1С аккуратно и с контролем Опрос все еще активен — голосуйте, там много интересных тем ☕️