Skip to content
Start free
Get App

Куда Идут ИИ Автоматизации в 2027 (На Практике)

Обзор развития ИИ-автоматизации к 2027 году с практическими кейсами и трендами в индустрии.

Key Takeaways

  • ИИ-автоматизация развивается очень быстро и становится доступной для непрофессионалов.
  • Современные инструменты позволяют создавать сложные цепочки автоматизации с ИИ внутри.
  • История развития ИИ показывает постепенное усложнение и расширение возможностей.
  • Практическая автоматизация помогает повысить продуктивность и оптимизировать процессы.
  • Текущие тренды включают интеграцию ИИ с внешними сервисами и использование агентов.

What the video covers

  • Автор делится опытом создания сотен автоматизаций для себя и компаний.
  • Рассматривается быстрое развитие ИИ и автоматизации с 2022 года, включая релиз ChatGPT.
  • Обсуждаются ключевые кейсы автоматизации, востребованные в бизнесе и повседневной жизни.
  • Показано, как непрофильные пользователи могут самостоятельно создавать сложные автоматизации.
  • Исторический обзор развития нейросетей и автоматизации с 1960-х годов до современности.
  • Рассмотрены современные инструменты и платформы, такие как N8N и MCP-серверы.
  • Обсуждается интеграция ИИ с внешними инструментами и возможность вызова веб-поиска и терминалов.
  • Показаны примеры использования агентов и оболочек для построения сложных автоматизаций.
  • Видео содержит практическую часть с демонстрацией создания собственной автоматизации.
  • Автор подчеркивает важность оптимизации и повышения продуктивности через автоматизацию.

Chapters

  1. 00:00Введение и обзор опыта в автоматизации
  2. 06:20История и начало автоматизации ИИ
  3. 12:59Развитие и бум N8N в 2023 году
  4. 25:45Возможности агентов и оболочек в автоматизации
  5. 32:14Современные кейсы и примеры автоматизации
  6. 44:51Практическая демонстрация создания автоматизации
  7. 51:05Интеграция с внешними сервисами и API
  8. 60:32Заключение и перспективы развития автоматизации

Answers

Questions about this video

Какие основные этапы развития ИИ-автоматизации описаны в видео?

Видео охватывает развитие автоматизации с 1960-х годов, через 1990-е с первыми нейросетями, до современного бум 2022-2023 годов с релизом ChatGPT и платформами типа N8N.

Может ли непрофессионал самостоятельно создавать сложные автоматизации с ИИ?

Да, автор отмечает, что сейчас непрофильные пользователи могут создавать работающие автоматизации, используя современные инструменты и платформы.

Какие инструменты и технологии упоминаются для создания автоматизаций?

В видео упоминаются N8N, MCP-серверы, агенты, оболочки, а также возможности ИИ вызывать внешние инструменты, такие как веб-поиск и терминалы.

Full Transcript — Download SRT & Markdown

00:00
Speaker A
Друзья, всем привет. Хочу с вами поговорить про автоматизацию, куда это всё движется с точки зрения человека, ну, который этим много занимается. Наверное, уже за несколько сотен перевалило количество автоматизаций, которые и я лично, и вместе с командой мы создавали для себя, для других компаний. И мы постоянно в этом варимся, и очень интересно посмотреть, как это всё разворачивается, потому что невероятно быстро всё меняется, вы, наверное, сами это чувствуете.
00:19
Speaker A
других компаний. И мы постоянно в этом варимся, и очень интересно посмотреть, как это всё разворачивается, потому что, ну, невероятно быстро всё меняется, вы, наверное, сами это В какой-то момент даже ощущается такой Stack Overflow, то есть, куда вообще, можно ли так быстро всё менять? На самом
00:39
Speaker A
В какой-то момент даже ощущается такой Stack Overflow, то есть, куда вообще, можно ли так быстро всё менять? На самом деле меня на это видео сподвигла другая серия видео, то есть вы сейчас можете много где увидеть, так как приближается конец года, рефлексии о том, что было и куда это всё движется в следующем году.
00:52
Speaker A
Я хочу поговорить по такому уже примерно сценарию, по такой же схеме, но я не люблю оставлять чисто такими философскими видео, поэтому сначала мы с вами поговорим про то, каким образом автоматизации начинались некоторое время назад, каким образом мы застали эти автоматизации буквально там в состоянии
01:14
Speaker A
Я хочу поговорить по такому уже примерно сценарию, по такой же схеме, но я не люблю оставлять чисто такими философскими видео, поэтому сначала мы с вами поговорим про то, каким образом автоматизации начинались некоторое время назад, каким образом мы застали эти автоматизации буквально там в состоянии пару лет назад и как это всё быстро трансформировалось.
01:31
Speaker A
ожидают результаты люди, которые пытаются что-то автоматизировать и автоматизируют. В конце мы с вами, я думаю, построим ещё и свою собственную автоматизацию, как в старые добрые, но только уже из собственного собственных знаний, того, куда это всё разворачивается. С чего я хочу начать?
01:49
Speaker A
Мы с вами обязательно поговорим про самые частые кейсы, которые автоматизируют. Ну, тут я буду говорить с очень глубоким знанием дела, потому что я это перед собой вижу ежедневно, какие запросы, почему такие вопросы, какие ожидают результаты люди, которые пытаются что-то автоматизировать и автоматизируют.
02:16
Speaker A
да, с edge кейсами, но работающего работающее сам, самостоятельно. И мы это видим, это происходит повсеместно. И люди, которые раньше не задумывались и не надеялись, что что-то могут делать самостоятельно, они сейчас делают это самостоятельно. И это супер. То есть видеть такое это просто очень-очень
02:36
Speaker A
В конце мы с вами, я думаю, построим ещё и свою собственную автоматизацию, как в старые добрые, но только уже из собственных знаний, того, куда это всё разворачивается. С чего я хочу начать?
02:55
Speaker A
максимум научиться нюансам, но потом пойти самим автоматизировать. И это, я повторюсь, это суперценно, потому что чем больше оптимизации приходит в жизнь нас с вами, тем жизнь становится интересней, более продуктивной. То есть тут даже не с чем спорить, мне кажется. Давайте с вами поговорим о том, с чего
03:14
Speaker A
Вы, наверное, можете заметить, что граница между тем, что было возможно раньше и какими средствами это достигалось, и между тем, что возможно сейчас и какими средствами достигается, она буквально размывается.
03:31
Speaker A
оно будет дольше стандартных там 10-12 минут, возможно, намного дольше. Поэтому, ну, если что, напишите мне в комментариях, что чувак, вообще нереалистично такое смотреть, как бы, нужно разносить еду, когда такие длинные видео. Вот. Ну, посмотрим, к чему это приведёт, потому что довольно интересно
03:49
Speaker A
То есть сейчас непрофильный, неэкспертный человек может создать что-то действительно сложное и работающее. Да, с вопросами, да, с edge-кейсами, но работающее сам, самостоятельно. И мы это видим, это происходит повсеместно.
04:13
Speaker A
ну, просто как гром среди ясного неба мы выяснили, что нейронки, искусственный интеллект могут, по крайней мере, в дискуссиях вести себя очень близко к тому, как ведёт себя человек. Но если мы поговорим прямо на чистоту, то всё это началось намного раньше. Мы можем вообще увидеть упоминания в шестидесятых,
04:32
Speaker A
И люди, которые раньше не задумывались и не надеялись, что что-то могут делать самостоятельно, они сейчас делают это самостоятельно. И это супер.
04:50
Speaker A
машины. Мы можем с вами увидеть девяносто второй год, Falcon. Помните? Ну, если вы когда-то интересовались историей нейросетей, то тогда уже довольно плотно нейросети транзакции оценивали прямо на лету. И в девяносто пятом отсмотр чеков ATT, то есть уже нейронки могли раскладывать чеки и
05:12
Speaker A
То есть видеть такое — это просто очень-очень круто. И это сильно обуславливает то, о чём мы сегодня будем говорить, потому что даже вы, зрители, то есть среди вас огромное количество людей, которые раньше задумывались о том, с помощью кого автоматизировать какую-то тему, какой-то свой процесс, вы сейчас уже смотрите видео для того, чтобы максимум научиться нюансам, но потом пойти самим автоматизировать.
05:29
Speaker A
двадцать второй год начало это, скажем так, уже в широкие массы заходить. Двадцать третий год мы начали сильно прокачивать агентов. Мы видим мы стали видеть, как агенты сильно прокачиваются в кодинге. А вот двадцать третий год, июнь, я бы сказал, что это, ну, веха, наверное, сопоставимая с самой самим
05:50
Speaker A
И это, я повторюсь, это суперценно, потому что чем больше оптимизации приходит в жизнь нас с вами, тем жизнь становится интересней, более продуктивной.
06:00
Speaker A
Нейронки могут вызывать какие-то инструменты извне, получать результаты работы этих инструментов и возвращать их себе в контекст. Ну, то есть, если нейронке нужен веб-поиск, то она использует определённый инструмент, который может вернуть ей результаты поиска обратно в контекст, и этот
06:20
Speaker A
То есть тут даже не с чем спорить, мне кажется. Давайте с вами поговорим о том, с чего это всё начиналось, буквально очень быстро, и перейдём к тому, что есть сейчас и какие кейсы мы сейчас автоматизируем больше всего и вы автоматизируете больше всего.
06:38
Speaker A
невероятное количество. И CRM-ки, и банковские приложения, и записи заметок, и звонки, и всё, что угодно, может служить инструментом для нейронки. И здесь, конечно, начинается бум уже инструментов, которые используют этот принцип. Двадцать третий год, появление, ну, как сказать, появление. Там N8N, мы
06:59
Speaker A
Поэтому погнали. А, да, сразу ещё скажу, я вообще не представляю, сколько это видео будет длиться. Есть у меня ощущение, что оно будет дольше стандартных там 10-12 минут, возможно, намного дольше.
07:17
Speaker A
десятилетиями до появления N8N, но в двадцать третьем году стало понятно, что внутрь таких цепочек может встраиваться искусственный интеллект со своими способностями как раз дёргать инструменты из внешнего мира. Дальше у нас появляется вообще супервещь, MCP-серверы, то есть это уже
07:38
Speaker A
Поэтому, ну, если что, напишите мне в комментариях, что чувак, вообще нереалистично такое смотреть, как бы, нужно разносить еду, когда такие длинные видео. Вот.
08:01
Speaker A
этому инструменту. И, в принципе, здесь как бы, ну, всё происходит настолько молниеносно, развитие настолько быстро. И мы тогда думали, что ну, это уже, наверное, близко к идеалу. Потом оказалось, что не близко к идеалу, потому потому что появляются оболочки. Оболочка это, по
08:20
Speaker A
Ну, посмотрим, к чему это приведёт, потому что довольно интересно пообщаться про тренды. Давайте смотреть.
08:42
Speaker A
может открывать терминалы, выполнять команды, bash-команды. Она может любые запросы слать так же, как и наш компьютер. Она может теперь открывать браузеры, там импортировать куки в этот браузер из нашего основного браузера для того, чтобы заходить в наши социальные сети и вести себя от нашего имени, как
09:00
Speaker A
Вообще, конечно, хочется начать с того, что, скажем так, самые важные сдвиги начались в двадцать втором году с релизом чата GPT, и по факту так это и есть.
09:23
Speaker A
То есть, у нас определено, каким образом, какой шаг следует за каким, каким образом у нас перетекают данные из предыдущего шага в следующий, каким образом они преобразуются, какие метаморфозы с ними происходят. И это было на самом деле суперудобно, потому что это было
09:43
Speaker A
В общую нашу жизнь, в жизнь большинства людей всё это начало приходить в двадцать втором году, когда просто как гром среди ясного неба мы выяснили, что нейронки, искусственный интеллект могут, по крайней мере, в дискуссиях вести себя очень близко к тому, как ведёт себя человек.
10:04
Speaker A
искусственный интеллект, например, определять, какого типа запрос. То есть мы могли теперь оставить это на откуп искусственному интеллекту, то есть это запрос там в поддержку или запрос в продажи. И да, мы могли вот таким образом делать ветвление влево-вправо, но после этого у нас, скажем так,
10:22
Speaker A
Но если мы поговорим прямо на чистоту, то всё это началось намного раньше. Мы можем вообще увидеть упоминания в шестидесятых, первые попытки строить какие-то нейросети.
10:40
Speaker A
собирались быстро, но потом поддержка этого всего вызывала довольно большие вопросы. То есть вы сами, наверное, ощущали, что когда вот вы какую-то автоматизацию построили, вам нужно её расширять, ваши кейсы усложняются и углубляются, ваша автоматизация растёт, растёт, растёт до момента, когда вы сами
11:02
Speaker A
Мы, наверное, туда не будем уходить. Первые практические вещи мы с вами можем увидеть в восьмидесятых годах. Там уже собирались специальные компьютеры, которые были суперзаточены под конкретные процессы компаний, то есть под каждую компанию собирались свои машины.
11:25
Speaker A
ноды были несовместимы, одни и те же ноды там с из предыдущей версии в новую версию, то есть приходилось что-то перестраивать. Ну, там были свои истории. И когда пришли оболочки, то есть, когда мы говорим про Cloud Code, да, про Codex, про Open Cloud, который довольно сильно тоже, Open Cloud,
11:44
Speaker A
Мы можем с вами увидеть девяносто второй год, Falcon. Помните? Ну, если вы когда-то интересовались историей нейросетей, то тогда уже довольно плотно нейросети транзакции оценивали прямо на лету.
12:00
Speaker A
общем и целом мы получили невероятную гибкость, то есть, мы могли и можем сейчас сказать: "Просто сделай это, вот автоматизируй мне такое-то". Оболочка, ну сама вернее нейронка сама проинструктирует поймёт какие инструменты нужно вызвать, какие автоматизации построить, какой код написать. При желании она сама вам подскажет, как развернуть это всё на
12:21
Speaker A
И в девяносто пятом отсмотр чеков ATT, то есть уже нейронки могли раскладывать чеки и отправлять на эскалацию чеки, в которых они сомневались, то есть на эскалацию на отсмотр человеком.
12:41
Speaker A
это было, когда ограничителей было довольно мало, мы даём тебе на откуп, каким образом ты это всё делаешь, нам главное результат. И оно работает. Чаще всего, если особенно нейронка хорошая, коммерческая, скорее всего, то всё работает, ну, на сложных автоматизациях это особенно важно. Но, как мы видим, и
12:59
Speaker A
И остальные чеки, в которых они были суперуверены, они автоматически обрабатывали.
13:17
Speaker A
недетерминированный подход приводит к тому, что задача вроде осталась прежней, сегодня она её выполнила, оболочка эту задачу, мы получили, в принципе, нормальный результат. Завтра она выполнила этот этот же самый запрос, то и мы получили не очень предсказуемый результат. И
13:35
Speaker A
То есть на самом деле вся эта история очень долгая, но действительно нельзя не сказать, что двадцать второй год — начало это, скажем так, уже в широкие массы заходить.
13:54
Speaker A
начали появляться новые-новые термины, которые на самом деле сделали всю эту историю не такой уж и простой, как казалось сначала. Потому что люди, которые занимаются автоматизациями на основе искусственного интеллекта, скажем так, на профессиональном уровне, они прекрасно понимают, что, вообще
14:13
Speaker A
Двадцать третий год мы начали сильно прокачивать агентов. Мы видим, мы стали видеть, как агенты сильно прокачиваются в кодинге.
14:35
Speaker A
каждый шаг отрабатывает на 90%, на 99% успешно, то в конце цепочки вы получаете 82% успеха на всю цепочку. Естественно, с этим никто мириться не может. И как бы, как я сказал, первоначальная простота использования оболочек для полноценной автоматизации своих процессов привела к тому, что да, это
14:58
Speaker A
А вот двадцать третий год, июнь, я бы сказал, что это, ну, веха, наверное, сопоставимая с самим появлением чата GPT, потому что появляется function calling.
15:20
Speaker A
надёжные результаты, мы начали относиться к этим двум подходам. Подход первый, который мы обсуждали, когда у нас есть детерминированные какие-то вещи, если мы представим, что это рельсы, ну вот это прямо рельсы, по которым прёт наша автоматизация. И недетерминированный подход, это наши
15:37
Speaker A
То есть мы понимаем, что нейронки не только могут генерить текст, генерить нам токены.
15:59
Speaker A
хотя может. Например, запрос же может извне прилетать в Cloud Code. Ну, вы, наверное, ну, не все, наверное, пользуются, но там есть коннекторы, там есть рутины, которые могут запускаться по внешнему триггеру. То есть, например, может прилетать сообщение в Telegram, и это сообщение может триггерить ваш Cloud
16:17
Speaker A
Нейронки могут вызывать какие-то инструменты извне, получать результаты работы этих инструментов и возвращать их себе в контекст.
16:35
Speaker A
инженерам, как к строителям рельс. По сути, мы автоматизации начали разбивать на два больших, скажем так, шага. Недетерминированный агент строит рельсы, рельсы это те самые детерминированные агенты. То есть, ну, что он может строить очень быстро? Ну, очевидно, он в коде строит вам какую-то часть вашей
16:56
Speaker A
Ну, то есть, если нейронке нужен веб-поиск, то она использует определённый инструмент, который может вернуть ей результаты поиска обратно в контекст, и этот контекст потом используется для того, чтобы ответить нам уже на основе новой полученной информации.
17:17
Speaker A
стандартизированы, поэтому недетерминированный агент пишет код, который это делает. Либо он пишет любую детерминированную автоматизацию, которая это делает. Каким образом? Ну, как вы помните, тот же самый n8n это тоже детерминированный детерминированная часть автоматизации, так же как и код.
17:36
Speaker A
И здесь раскрывается вообще необъятный мир, потому что инструментов огромное количество, которые могут служить тулами, функциями для нейронки.
17:55
Speaker A
двойной рост по сравнению с двадцать пятым годом. Ну, то есть, когда уже пришли оболочки, когда уже пришёл low-code, n8n растёт.
18:04
Speaker A
То есть вещи, которые она может дёрнуть, их невероятное количество. И CRM-ки, и банковские приложения, и записи заметок, и звонки, и всё, что угодно, может служить инструментом для нейронки.
18:25
Speaker A
числе, используется малым, средним, иногда и крупным бизнесом в качестве детерминированного детерминированной части автоматизации, которую так же как и функции в коде может строить недетерминированный агент.
18:40
Speaker A
И здесь, конечно, начинается бум уже инструментов, которые используют этот принцип.
18:57
Speaker A
самооценивание, там есть куча коннекторов, там классная работа с расписаниями, с триггерами, с вебхуками. Ну, там много чего есть, что вы иначе, [фыркает] в другом бы случае, ваша бы нейронка должна была писать в коде. И она напишет, только вот вопрос в том, что вы вокруг этого должны будете
19:15
Speaker A
Двадцать третий год, появление, ну, как сказать, появление. Там N8N, мы говорим, что был какой-то бум. Конечно, в нашем с вами локальном мире это был бум, потому что мы много с вами занимались N8N.
19:32
Speaker A
выполняет свою задачу. После этого детерминированная часть, какую бы вы решили не использовать, её задача очень много, помимо выполнения наших автоматизаций, много журналировать. Что было на входе, что было на выходе, какие ошибки, как нейронка отработала, с какой стоимостью, сколько занимала, где-то
19:51
Speaker A
На самом деле вот эти детерминированные визуальные конструкторы, ну, наверное, помните, Zapier или Make или ещё куча других, они жили годами, некоторые даже десятилетиями до появления N8N, но в двадцать третьем году стало понятно, что внутрь таких цепочек может встраиваться искусственный интеллект со своими способностями как раз дёргать инструменты из внешнего мира.
20:13
Speaker A
журналы, может принимать решение, что нужно изменять в нашей детерминированной части для того, чтобы качество вырастало в соответствии с журналами. Друзья, не знаю, вы ещё со мной нет? Ну, ладно, как бы в конце посмотрим, что за видео получается, потому что мы ещё даже к середине не подобрались. Вот, мы же ещё
20:35
Speaker A
Дальше у нас появляется вообще супервещь, MCP-серверы, то есть это уже предписанные, скажем так, инструкции и систематизированное исполнение некоторых задач.
20:48
Speaker A
недетерминированного агента, у него есть две задачи. Первая задача, он строит детерминированную часть, будь то код, будь то конструкторы, которые выполняют наши задачи в строгой последовательности, с действиями, которые мы прописали, которые мы прописали. И после того, как вот эта
21:08
Speaker A
То есть это уже, скажем так, API, подстроенный специально для нейронок.
21:30
Speaker A
этого у нас и в этой цепочке существует. Что где живёт, если мы рассуждаем про детерминированную часть, то есть рельсы наши, да, и недетерминированная - это нейронка с оболочкой. Всё, что должно отрабатываться в строгой последовательности, это деньги, это права доступа, это отправка клиента
21:51
Speaker A
То есть нейронка может с помощью одного вызова узнать, какие вообще инструменты доступны в том или ином сервисе, потом выбрать нужный инструмент, потом понять, каким образом формируется запрос к этому инструменту.
22:11
Speaker A
понимательная часть, то есть, найти какую-то инфу, какая-то сложная классификация, заполнить анкету, если, например, на входе был неструктурированный какой-то кусок информации, например, извлечь что-то из этого куска информации сначала, а потом уже заполнить анкету, и прочие такие вот задачи. Итак, что чаще всего автоматизируют компании? Это на основе
22:35
Speaker A
И, в принципе, здесь как бы всё происходит настолько молниеносно, развитие настолько быстро.
22:55
Speaker A
написания кода. Это самый популярный кейс, который на самом деле выносит все остальные кейсы просто с головой, и, ну, это очевидно. Это действительно самое предсказуемое и высокомаржинальная вещь, которая происходит с компаниями, замена или усиление своих разработчиков с помощью агентов, которые пишут кост код. Дальше, вы удивитесь, да, но чем проще
23:22
Speaker A
И мы тогда думали, что это уже, наверное, близко к идеалу.
23:46
Speaker A
свою бытность накопили огромное количество знаний внутри, внутренние инструкции, конфлюенсы, заметки, звонки, информация о клиентах, быстрая и надёжная возможность искать, получать эту информацию для своих сотрудников, это самый популярный кейс после разработки. Почему? Потому что, когда происходит поиск какой-то информации, ну, все действия по изменению этой
24:14
Speaker A
Потом оказалось, что не близко к идеалу, потому что появляются оболочки.
24:31
Speaker A
Первая линия Почему тут именно написано первая линия поддержки? Потому что я вам сейчас расскажу про то, что реально происходит в двадцать шестом году.
24:37
Speaker A
Оболочка — это, по сути, приложение, которое полностью, ну, сердце которого — это нейронка, LLM-ка, но это приложение, это оболочка уже внутри себя даёт такое огромное количество инструментов.
25:01
Speaker A
принципе, Helpdesk, что мне тут объяснять. Заявки и лиды, мы, кстати, сегодня с вами на это посмотрим, я вам покажу, как это можно делать быстро.
25:09
Speaker A
Она работает у нас на компьютере и, получается, имеет доступ ко всем мощностям, ко всем инструментам, которые есть у нас на компьютере.
25:25
Speaker A
LinkedIn ну, просто помойка, да, то есть, у меня висит несколько тысяч непрочитанных, потому что любой аккаунт, где должность там чуть выше, чем там Senior или Lead, то есть, какой-то менеджмент, то он автоматически становится целью для любого, ну, извините, дебила, который научился
25:45
Speaker A
Она может открывать терминалы, выполнять команды, bash-команды.
26:04
Speaker A
ключевые данные и потом разложить это по своим базам, по своим базам, да, но тут много исключений, часто компании просят, что даже если там уверенность меньше там 97%, это переключается всегда на человека.
26:17
Speaker A
Она может любые запросы слать так же, как и наш компьютер.
26:43
Speaker A
касается, когда там непосредственно персонаж, то есть, изменённое лицо, либо сгенерированный голос, но тогда это сильно пессимизируется. Если это там участвует реальный человек, при этом всё равно, то а всё остальное, например, монтаж, анимация, вот как вы видите у меня в последних видео, монтаж часто как
27:02
Speaker A
Она может теперь открывать браузеры, там импортировать куки в...
27:23
Speaker A
пытаются, но чаще всего он используется для генерации текстов вакансий, не для того, чтобы отрабатывать первых первые звонки с клиентами, хотя такие попытки есть, но мы видим, что там ну довольно низкий уровень автоматизации до сих пор.
27:40
Speaker A
Ну и голосовые агенты тоже. Мы хотим сказать, что мы видим, что на английском языке это по популярней, потому что здесь намного больше сервисов и качества звучания довольно важны. На русском языке звучание, ну, вы знаете такое понятие, наверное, как Uncanny Valley, да, то есть когда что-то похоже на
28:03
Speaker A
человека на 100%, то это воспринимается человеком, когда что-то похоже на там 85% нету никаких проблем, потому что мы сразу видим, что это забавная попытка быть похожим на человека. А когда что-то похоже на человека на 98-99% это вызывает страх, потому что это вроде как человек, но мы ощущаем и мы понимаем
28:23
Speaker A
внутренне, что что-то с ним не так, да? Поэтому вот эти, пока мы не достигаем 90, там, 100%, это остаётся довольно такой сомнительной вещью, но я думаю, что довольно скоро там будет очень высокий уровень автоматизации. Хочу вам рассказать про несколько историй реальных, потому что опять же, они, про
28:44
Speaker A
них естественно мало кто говорит. Ну, если вы занимаетесь аналитикой того, что происходит, то, естественно, вы про эти истории знаете. Klarna, большой довольно сервис, связанный с платежами. Двадцать четвёртый год, AI-поддержка, увольнение сотрудников. Двадцать пятый год, качество поддержки упало, нанимаем
29:01
Speaker A
сотрудников обратно. Вывод. Overal про AI-продажников, это такая суммарная аналитика, вообще говоря, то, что мы вот обсудили буквально 5 минут назад. 83% в среднем без результата, то есть общее количество и усилий затраченных, и ресурсов затраченных пока даёт худший результат, чем человеческое участие.
29:23
Speaker A
Опять же, тут посмотрим, опять же, нейронки эволюционируют очень быстро, возможно, будет расти довольно сильно, вернее, падать этот процент. Вот это был курьёзный случай, когда был голосовой помощник, который принимал заказы в Taco Bell. Там был случай, что он реально принял заказ на 18 тыс. стаканчиков,
29:42
Speaker A
после этого, кстати, Taco Bell сильно урезали, они не свернули, а урезали своего голосового помощника, то есть он участвует теперь в намного меньшем количестве кейсов. И отсюда мы как раз подошли к главному правилу, которое опять же только что обсуждали, больше всего автоматизации требуется там, где
29:59
Speaker A
нейронка не меняет, не делает ключевые действия. Она читает, сортирует, готовит черновики, но никогда не отправляет что-то на на конечного клиента без человеческого ревью. Ну, отсюда мы видим как раз кейсы, которые реально остались, там брифингование, прочитай, предложи, мониторинг чего-то, разложи что-то по
30:24
Speaker A
табличке, после того, как ты извлекла. Это остаётся супер-супер востребованным и популярным, а то, что вы даже сами можете увидеть, это то, что прямо не работает, автоотправки и удаления, просто табу, очень плохо автоматизируется. Помните, был бум автобронирования путешествий, там найди
30:43
Speaker A
мне билеты, купи мне билеты, потом найди мне нужную гостиницу. Полная чушь, ничего это пока не работает хорошо. Помните, у Open AI даже была встроенная, ещё буквально меньше года назад, встроенная возможность, если я что-то нашёл на Амазоне, ну, естественно, сервисах, которые, с которыми попроще
31:01
Speaker A
можно дружить, я могу тебе прямо это и заказать. Всё это убрали, убили, потому что вот эти концептуальные действия не подходят. Так, так, мы тут подходим наконец к практике, друзья. Из чего же будем собирать? Здесь у меня написано, что я по моему плану должен к пятнадцатой минуте подойти к этому
31:18
Speaker A
слайду. Ну, вот и проверим, что сейчас за минута на конечном монтаже. Из чего, кто и как собирает автоматизации? Тот самый сладкий вопрос и, наверное, заход на ответ, из чего это состоит сейчас и из чего это будет состоять в двадцать
31:33
Speaker A
седьмом году. Я бы разделял, потому что явно виден такой такой разграничение между большими компаниями и малыми компаниями. В чём отличие? Ну, sensitive данные, количество количество executions, то есть количество операций, длина операций. Вы же понимаете, что операции могут состоять из сотен шагов и
31:56
Speaker A
чем больше компания, тем сложнее могут быть какие-то у неё процессы. Поэтому из чего соста- составляют свои автоматизации маленькие и средние компании, и, скорее всего, вы захотите делать так же, потому что я же в конце покажу, как это сделать. Вы вооружаетесь какой-то оболочкой. Cloud Code Codex,
32:14
Speaker A
Hermes, Open Claw, Agent, естественно, Agent - это наше всё. Я сам пользуюсь Agent'ом, потому что, ну, вы знаете уже, мы сами имеем отношение к нему. Классная штука. Дальше, для чего это используется? Для того, чтобы ваша оболочка построила вам рельсы. Рельсы - это, как я уже сказал, отсмотреть папку,
32:34
Speaker A
периодически там, раз в час отсматривать папку на новые на наличие новых файлов или принять первый запрос от клиента в Телеграме либо в другом мессенджере, либо отсмотреть вашу почту. Не нужно для этого дёргать никогда оболочку, нужно построить предсказуемые рельсы, которые это делают. Причём строите вы это не
32:55
Speaker A
руками. Кстати, во всём, во всей этой истории красота в том, что, ну, уже вы ничего, вот даже если вы смотрите на N8N, вы не не делаете ничего руками. Вы глазками даже вам особо смотреть не надо на неё. Я сейчас вам покажу это. Ну и
33:10
Speaker A
конечно, чаще всего вам нужна какая-нибудь база, ну, Postgres самый классический вариант, Supabase, ну, скажем так, тяжеловесный вариант, но если вы хотите там удобно глазками смотреть на то, что какие у вас данные в базу складываются, если хотите внутреннюю аналитику, которая вшита там
33:26
Speaker A
в Supabase, ну, то есть оболочка вокруг Postgres, ставите себе Postgres. Дальше, если вы компания побольше, агент тот же самый, ваша оболочка чаще всего, она, как она строит рельсы, она пишет код. То есть рельсы, вы должны понимать, что вот
33:43
Speaker A
здесь происходит, вернее, располагается знак тождества, потому что и то и то рельсы. Просто рельсы могут быть написаны в коде как отдельная функция и рельсы могут быть отдельной автоматизацией, потому что концепт один и тот же. Но конечно, когда вы большая компания, вы пишете в коде и
34:02
Speaker A
тут приходят, входят в игру, ну, скажем так, специальные оболочки, да? Durable Executions - это супер важная штука, потому что как работает обычный детерминированный агент, ну, например, тот же N8N. Вот когда мы с вами выстроили наши рельсы, нашу цепочку, всё в 99 случаях из 100 работает о'кей, да?
34:28
Speaker A
Всё хорошо. У нас бывают автоматизации, чаще всего на каком-то простом уровне, они такие есть, что если, допустим, что-то прервалось на шаге номер семь, мы увидим это потом в логах, в executions, и сможем заново перезапустить этот шаг.
34:44
Speaker A
И в массе автоматизации это нормально, это так и работает. Но когда мы говорим про большие компании, про большие процессы, они используют durable движок, потому что риск и сложность процессов у них возрастают кратно. Допустим, если мы представим, что где-то на первых этапах, допустим, у нас автоматизация, которая
35:07
Speaker A
сначала принимает платёж от клиента, потом выдаёт ему нужные доступы, потом открывает необходимые ресурсы, потом ещё делает фоллоу-апы, то есть полностью какую-то цепочку, допустим, документов высылает там, ждёт подписания первого документа, чтобы на момент подписания выслать второй документ. Представьте, что на этапе номер три что-то пошло не так. Что-то остановилось и сломалось.
35:32
Speaker A
Если мы используем верхний подход, то мы запустим нашу автоматизацию заново, и что произойдёт? Мы заново спишем с него деньги.
35:42
Speaker A
И после этого, скорее всего, пройдём там ошибочный шаг уже нормально, отдадим все доступы, вышлем все документы. Потом мы будем разбираться с тем, что мы его дважды зачарджили, он сам нам, скорее всего, про это скажет. Он не будет рад,
35:56
Speaker A
мы не будем рады, никто не будет рад. Поэтому durable движок - это, по сути, некоторая надстройка над нашими функциями, как я уже сказал, вот Temporal, например, суперпопулярная вещь. Она занимается тем, что она вот в своей этой оболочке, надстройке, журналирует, логирует каждый шаг вашей
36:15
Speaker A
автоматизации, каждый, каждый, каждый шаг. И даёт возможность при ошибке в конкретном шаге, где она остановилась, перезапуститься именно отсюда и рассказать вам, что произошло. Это опять же супер важная вещь, если ваша компания побольше, если у вас есть процессы, которые не терпят перезапуска в случае в
36:36
Speaker A
случае неуспеха. Поэтому вот такие вещи внедряются активно в сложные процессы. Дальше Gateway, да, то есть мы часто хотим ещё и контролировать что у нас происходит с нейронками. Каждый раз, когда мы дёргаем нейронку, мы, ну, в простом варианте мы шлём API запросы напрямую в куда-нибудь в какой-нибудь
36:59
Speaker A
провайдера, да, но на больших объёмах мы какой-нибудь организуем Gateway, мы тоже с вами посмотрим, например, Light LLM, open-сорсное всё, вы можете на своём сервере развернуть. По сути вы шлёте запрос в него, он сам уже внутри рутит на какую нейронку в зависимости от кейса, вы сами это всё там внутри
37:17
Speaker A
настраиваете. Нужно перенаправить запрос, чтобы нужная нейронка исполнила тот или иной запрос, возвращает вам результаты работы нейронки и потом возвращает вам обратно всё это в ваш ваш продукт. Естественно, там полноценное логирование, то есть вы видите, кто какие нейронки дёргал, сколько токенов
37:35
Speaker A
было на инпуте, сколько токенов было на аутпуте, сколько это всё стоило, строит вам дашборды, отчёты. То есть супер супер детально подходит как раз к тому, чтобы вы могли ограничивать использование нейронок и контролировать ваши расходы. То есть чаще всего это выглядит именно таким образом, у вас
37:55
Speaker A
разные автоматизации, у вас могут быть разные и оболочки, и рельсы, которые обращаются в нужных моментах к нейронкам. Ваша задача по сути перенаправить все их запросы в ваш Light LLM, там ваш Gateway, их других тоже масса разных существует. Внутри происходит выбор
38:15
Speaker A
пути, то есть в зависимости от запроса, на какую нейронку отослать запрос, либо сюда, либо сюда, и получить обратно ответ, и вернуть ваш сервис, который инициировал этот запрос. Друзья, ну что, вы ещё со мной? А второй раз уже спрашиваю. Ну мы подходим наконец к более практической части нашего видео.
38:36
Speaker A
Каким образом вообще теперь вот в нашу бытность, в наше время строится автоматизация? Не вот фэнси автоматизация, когда я отправил Claude Code задачу, он выполнил и мне вернул ответ. Конечно, он это сделает, и сделает это, скорее всего, там, особенно если задача простая, 99 раз из 100, это
38:57
Speaker A
точно. Но каким образом строится автоматизация, которая сотни, тысячи раз прогоняются с предсказуемым, с предсказуемым результатом? Всё, как я сказал, у вас есть две части, по сути, вашей автоматизации. Недетерминированная часть, ваш инженер, и ваши рельсы. Задача инженера построить рельсы, а в
39:17
Speaker A
конце дня, или по ночам, проверять, насколько ваши рельсы в целостности и сохранности, и обеспечивают доставку груза. Всё. То есть, так мы делаем.
39:27
Speaker A
Конечно, когда мы смотрим на какую-то вот простую задачу, ну например, если отработка заявки в каком-то мессенджере, ну пускай в телеге. Там нужно принять эту заявку, после этого на детерми, после этого какое-то детерминированное, какая-то детерминированная часть вам её отрабатывает. В идеале, она пользуется
39:47
Speaker A
каким-то гейтвеем, чтобы через него слать запросы к нейронке, чтобы вы могли это контролировать. У неё есть своя база, и в случае чего, если, например, заявка какая-то важная, она эскалирует на какого-то вашего внутреннего менеджера, то есть сама не отвечает. Ну то есть,
40:04
Speaker A
вот это всё строится, ну, на самом деле, без погружения в технические детали, без знания технических деталей, особенно если вы правильно проинструктируете вашего инженера, которым является ваш агент, Claude код агент Гермес. Причём, конечно, когда мы строим подобную автоматизацию, нам с вами нужно думать и
40:24
Speaker A
про безопасность, то есть запросы мы хотели бы, чтобы HTTPS у нас слались, чтобы у нас порты торчали наружу только нужные, которые можно использовать, чтобы у нас, например, там наша база и Gateway, они общались только внутри нашего сервера, там внутри докера, чтобы снаружи невозможно было к ним никак
40:47
Speaker A
вообще никоим образом подкопаться. Вот, всё это строится, как я сказал, довольно прямолинейно, если мы правильно инструктируем, поэтому сейчас мы с вами прямо построим систему для среднего, малого бизнеса, который которая принимает предсказуемо запросы в телегу, сама может отвечать на
41:11
Speaker A
запросы, которые не несут пока никакой коммерческой ценности и может эскалировать на вашего менеджера, если видит, что запрос лид уже хороший. Итак, каким образом мы с этим работаем? Нам с вами понадобится какая-то оболочка, вообще без разницы, какая. Вы, наверное, единственное,
41:31
Speaker A
имейте в виду, что, ну, как-то супер слабенькая нейронка будет допускать ошибки, когда мы с вами будем создавать эту автоматизацию, а поэтому, ну, хотя бы какие-то младшие модели от больших провайдеров берите, типа Луна от Open AI либо Хайку, либо Дипсик. Ну, вот на Дипсике я, кстати, когда тестил это всё,
41:55
Speaker A
были пару пару проблем. Вот, ну, у вас, скорее всего, есть подписка, да, на Кодекс либо просто API ключ какой-то. Я вот себе уже выбрал Луну как раз. Там стоимость довольно низкая, должно хватить. Дальше, что нам требуется от этого всего? Просто несколько промтов и всё. Помните, мы с вами говорили о том,
42:13
Speaker A
что как раз нам хорошо бы вот этот стек весь получить, то есть где-то развернуть. Конечно, раньше, если мы с вами разворачивали его вручную, ну это прямо такое, надо там постараться, повводить команды, поразбираться, что такое сервер вообще, там чуть-чуть иметь технических знаний. Сейчас
42:33
Speaker A
вам нужно две вещи. Во-первых, сервер, он никуда не делся, он вам нужен. Если вы хотите развернуть это всё на своём компьютере, ну файн, но вы должны понимать, что если, ну, он у вас не работает, компьютер выключен, ну как бы,
42:45
Speaker A
короче, лучше разворачивать на каком-то сервере. Вам для базовой конфигурации достаточно будет два CPU и 4 ГБ памяти, то есть, наверное, ну, в зависимости от того, где вы покупаете, там, не знаю, 500-600 до 1.000 руб. Рекомендовать какой-то сервер я вам не буду, потому что достаточно просто вбить в поисковике
43:07
Speaker A
или спросить у той же нейронки, какой сервак мне поставить. Наверное, вас интересует сервак, например, локация, которая локация, которого будет разрешена, ну, в смысле, не закрыта от нейронок, соответственно, чтобы у вас не было проблем. Если нет, то там надо будет просто чуть сложнее там ваш
43:25
Speaker A
гейтвей гейтвей где-нибудь разворачивать, где как бы локация разрешённая, а сервак может там оставаться, ну, там на другой локации.
43:34
Speaker A
Вот. Опять же, вопрос сугубо технический, вы просто вбиваете в поисковике там сервер, там оплата в рублях, если вам важно, там локация какая-нибудь такую-нибудь Запад, Европа, и вам сразу в поисковике выдаётся куча таких вариантов. Вы себе, когда зайдёте, вы купите когда сервак, ничего там не
43:54
Speaker A
усложняете, не ставьте SSH, ничего, вам просто нужен сервер, ну, вам должен выдастся IP этого сервера и пароль. Как это будет выглядеть? Соответственно, вот так это будет выглядеть. Ваша задача будет в вашем Cloud коде. Вы же в каком-то каталоге открыли этот Cloud код, да? Прямо в этот каталог, не
44:15
Speaker A
задумываясь, вы берёте, там внутри прямо создаёте файлик {dot} env. Файл, в котором вам у вас по сути будут лежать ваши переменные окружения. Я вам сейчас дам просто промты, которые ожидают, что у вас будет лежать {dot} env, а внутри
44:32
Speaker A
будет лежать апишка вашего сервера и пароль. И всё, есть ничего вам больше не нужно. После этого у вас файл создан, лежит. Дальше нам нужно с вами вставить промт. Промт выглядит таким образом. Мы инструктируем нейронку, чего она из себя
44:51
Speaker A
представляет. Давайте проверим, что тут Луна, да, тут Луна. То есть я сразу очень-очень много всего рассказываю, что мне нужно на сервере развернуть. Давайте я сейчас, короче, проскроллю этот промт, вы заскрините и потом сможете распознать, да, и использовать у себя. Ну, нет, конечно, я вам дам этот промт,
45:13
Speaker A
бесплатная Telegram группа. Я про неё каждый раз говорю в видео и у меня же статистику подводят нейронка по комментам. Под каждым видео встречается немалое количество комментариев.
45:27
Speaker A
Вот ты говоришь про бесплатную Telegram группу, её там нет. Поэтому я вот открываю любое своё видео и вот здесь есть две ссылочки. Первая ссылочка это про группа, а второе, вот тут написано апдейты из мира ИИ и бесплатные материалы. Под бесплатными материалами я всегда подразумеваю бесплатные
45:50
Speaker A
материалы, бесплатная Telegram группа. Здесь есть ссылка. Если вы нажимаете, вы получаете доступ к бесплатной Telegram группе и там бесплатные материалы.
46:00
Speaker A
Поэтому в этой бесплатной Telegram-группе бесплатно будет лежать промт, который мы с вами сегодня обсуждаем. Их на самом деле будет не один, их будет больше, но эти промты досконально объясняют, что нужно делать, чтобы мы под ключ получили эту автоматизацию.
46:20
Speaker A
Здесь первый промт, давайте его наконец отправим, объясняет и что мы хотим развернуть, и правила безопасности, например, не публиковать наружу. что, ну, обычно, если вы не технарь, вы не знаете. И как будто бы развитие нейронок приводит к тому, что вы, да и не должны это знать. Но раз вы этого не знаете, то
46:44
Speaker A
это знаем мы, и соответственно, мы подготовили такой промт, где уже, даже если у вас не очень продвинутая нейронка, у неё будет меньше шансов ошибиться, потому что мы тут прописываем супермного всего, о чём забывать не следует. Да, то есть у вас, в зависимости от того, ну, вы в в Клоде,
47:01
Speaker A
скорее всего, будете запускать, он у вас будет похожие вещи спрашивать, если что-то недоустановлено, он говорит, я доустановлю. И сейчас, как вы понимаете, идёт как раз вот этот недетерминированный шаг. То есть мы нашему инженеру, вот наш инженер, в данном случае это агент, наш
47:18
Speaker A
инженер, он отвечает за построение всего, что нам нужно, он как раз сейчас выкладывает рельсы. Потом эти рельсы мы поднастроим, и они будут выполнять все рутинные задачи, все задачи, в которых нам нужна детерминированность, а инженер, он либо будет подрихтовывать, подремонтировать
47:41
Speaker A
эти рельсы, рельсы, или как-то изменять под ваши задачи. И после этого, и после этого по ночам, если необходимо, он будет проверять то, что происходит в рельсах, принимать решение о каких-то правках мелких и вносить эти правки после после согласования с нами. Я пока вот
48:01
Speaker A
вам говорил, нажал остановить, да, вы, наверное, это увидели. Там просто прописано, что нужно бы 4 ГБ, а у меня на сервере 3,7, но он говорит: "Ну, раз не хватает, я лучше остановлюсь". Да нет, я передумал, давай продолжим, разворачивай на этом серваке всё. Всё, я думаю, сейчас мы его заново отправим для
48:18
Speaker A
того, чтобы он нам развернул наконец всё, что нужно. То есть сейчас, если мы возвращаемся к нашей схеме, как раз наш инженер, в качестве которого у нас выступает агент, занимается построением наших рельс по нашему промту. Именно по этому по этой схеме мы сейчас и пройдёмся. Давайте
48:38
Speaker A
дождёмся, пока он её развернёт. Так, у нас приходит сообщение, что наше развёртывание завершено. И так как была инструкция у нашего агента развернуть, смотрите, Supabase, это всё было в промте, N8N, Light LLM как Gateway и Caddy HTTPS соединения с нашим серваком. Что он теперь говорит? OpenRouter ключа
49:03
Speaker A
в исходном .env не было, потому что там в промте написано, что спроси про OpenRouter ключ. На самом деле не важно, какой ключ. В чём соль? Он хочет взять любой ваш ключ от любой вашей нейронки и положить его в Light LLM, потому что
49:20
Speaker A
потом на основе этого ключа он будет там рутить всё внутри Light LLM, то есть по сути, так как в OpenRouter'е у вас доступно большое количество нейронок, он бы мог там сказать: "Ключ-то один, но вот для таких задач используй такую-то
49:36
Speaker A
нейронку, для других задач используй другую нейронку". Это супергибко, любой ключ ему дать, сказать: "Вместо OpenRouter'а у меня будет такой ключ".
49:44
Speaker A
Вы берёте его, этот ключ, кстати, смотрите, он нам здесь создал отдельный файл .env.vps.stack, и сюда он положил вообще все-все-все доступы, которые нам создал. Соответственно, тут есть Supabase API, Supabase Studio, например, как мы залогинимся в наш Supabase, вот он всё
50:07
Speaker A
сюда сложил. Помните раньше, как мы мучились с этим, да? Как-то там всё это сохраняли. Нейронка, наш инженер недетерминированный, всё развернул, всё записал, аккуратненько положил, теперь мы можем этим пользоваться. Очевидно, если вы переживаете, а вы должны переживать, что вы нейронке отдали вот
50:25
Speaker A
просто пароль от вашего VPS, в конце, когда вы всё развернёте, вы можете его попросить закрыть вообще вход на VPS по ключу, в смысле, по логину-паролю, а оставить только, например, по SSH, тогда у вас вы как бы защититесь, либо вы пойдёте в админку
50:46
Speaker A
вашего провайдера, где вы выпускали, где вы создавали ваш сервак и поменяете пароль. Ну, если вам очень сильно прямо припечёт, ну, это надо будет сделать, конечно. Вот, что нам говорит? Положи мне OpenRouter, я потом могу подхватить. Что тебе осталось сделать? Открой n8n по ссылке и
51:05
Speaker A
введи там n8n get user, я так понимаю, оно тут лежит. Да, n8n get user, n8n get password и тогда, да, пока он не создан, я не могу сам начать с ней работать. В админку Light LLM, ну, зайдёшь вот так. Она, по-моему, дважды закрыта, да, там
51:23
Speaker A
сначала будет просто плашка Bock Caddy будет как бы закрывать её, а потом ещё сам логин-пароль самого Light LLM, ну, здесь, соответственно, есть вся эта история. Так, он, это, опять же, в нашем промте прописано, он использует временный домен, это для того, чтобы ускориться. Потом вы можете сказать, я
51:41
Speaker A
купил новый домен прямо в этом же чате и он вам скажет, что делать с этим новым доменом, чтобы он смог, привязать домен к сервисам. Что нас интересует? Он говорит: "Открой N8N". Давайте нажимаем здесь. Да, открывается N8N. У нас закрыт
51:58
Speaker A
доступ. Я так понимаю, что будет работать вот этот доступ и вот этот пароль. Логин, пароль мы вводим. Sign in. По-моему, два раза надо вводить, там, в зависимости от настроек. Да. И он говорит: "Всё, создавай аккаунт N8N".
52:12
Speaker A
Это вы должны понимать, что это ваш уже собственный N8N. Я думаю, что это будет чуть ли не единственное действие, которое нам нужно будет делать в N8N.
52:19
Speaker A
Опять же, напоминаю, зачем мы это всё делаем? Мы создаём детерминированную часть. Мы сейчас просто делаем маленькую настройку, потому что он без этого не сможет нам создавать наши автоматизации без нашего участия. Вот мы зашли сейчас в наш N8N. Что нам осталось сделать? Да, принципе, он так сказал, только это
52:39
Speaker A
сделай. Давайте ещё положим пароль от OpenRouter, для того, чтобы он сразу прокинул это сюда. Давайте я зайду в OpenRouter, ключи свои и создам новый ключ. Давайте я скажу Agent whitey. Ну, короче, просто без протухания, без лимита. Создать. Вы, естественно, настроите лимит. У нас сейчас на нашу
53:01
Speaker A
почту придёт пароль. Я сейчас его введу и продолжу. Да, вот он наш ключ. Мы его забираем, возвращаемся в наш Agent и я прямо сюда положу, вот в его файл, который он нам законфигурил. Давайте я сюда положу OpenRouter ключ. Давайте
53:17
Speaker A
посмотрим, как он ожидает, чтобы он назывался. Может быть, найдём где-то. Я прямо так и скажу, OpenRouter ключ. Вставляю, сохраняю и говорю что ключ от Ключ от OpenRouter положил. А дальше я хочу вставить э, второй промт, который уже начинает нам разворачивание нашего MCP сервера, N8N, для того, чтобы можно
53:49
Speaker A
было, а, начать делать, а, наши автоматизации. Как у нас выглядит наш, а, второй промт? Вот он у нас так выглядит. Опять же, вы его можете забрать в группе, в которой я вам сказал. Вставляю, отправляю. Сейчас у нас должна начаться, а, вторая сессия, а, работы с нашим VPS, который уже будет
54:13
Speaker A
инструктировать нас, каким образом правильно разворачивать, а, MCP сервер на N8N. Вот, он говорит, чтобы выпустить токен для подключения N8N MCP, иди туда-то, а, на N8N, в который мы зашли, потом сеттинги, instance level MCP и потом enable MCP access и потом положи мне в мой файлик N8N MCP токен, чем я
54:39
Speaker A
сейчас и займусь. То есть, я сразу открываю. Вот в этот же файл я пока добавлю просто название переменной, напишу равно. Дальше я перехожу к себе в N8N, а, смотрю, каким образом здесь у нас, а, устроены настройки. Я вижу
54:55
Speaker A
здесь, а, instance level MCP, нажимаю enable MCP. Дальше я нажимаю кнопочку connect, дальше API ключи и вот наш access токен. Я его забираю, возвращаюсь в свой агент, вставляю сюда, нажимаю сохранить и говорю: "Готово". Ну, давайте смотреть, что у нас дальше будет. Да, так как мы
55:16
Speaker A
пользуемся не очень, а, мощной моделью, он говорит, а, "В dot env строки open router я не нашёл". Мы потом ему скажем, что он в соседнем файле лежит, потому что вот он, а, лежит. Но, на самом деле, была бы
55:31
Speaker A
нейронка чуть помощнее, она бы сама, конечно, проверила близлежащие файлы. Если вы используете Claude Code с Opus'ом или даже с Haiku. Haiku чуть подороже выходит, когда мы выходим за лимит 100.000 токенов, но на самом деле она поточнее прямо замечательно точнее
55:51
Speaker A
работает, чем Luna. Зато на вот это всё, что мы сейчас делаем с вами, у нас потрачено 7 центов. То есть Luna супер дешёвая. Возможно, DeepSeek всё-таки в этом бы кейсе чуть получше тоже был. Ну, раз мы начали работать на Luna, давайте
56:07
Speaker A
закончим на ней работать, посмотрим, насколько она справится. Итак, токен проверен, N8N MCP токен, токен правильный, найдены 50 инструментов. Вот он показывает инструменты. В текущую сессию сервер пока не добавлен CloudCode CLI. Да, у нас так сделан наш скрипт, в смысле наш
56:28
Speaker A
промт, что если вы через CloudCode делаете, чтобы он тоже понимал, что происходит. И так как опять же у нас нейронка странненькая. Ну, кстати, вот на Haiku я вчера разворачивал, она там в промте прямо написано, что разворачиваем CP-сервер, он говорит: "Так как не CloudCode CLI, то я не могу развернуть, лучше сам
56:46
Speaker A
сделай". Ну, это очевидно странное поведение нейронки. Я не собираюсь это вырезать из видео, ну, потому что я вам просто показываю, как это происходит, и, например, у вас такое же возникнет, ну, наверное, вы будете не рады. Я говорю: "Смотри, ключ OpenRouter лежит не в .env, а в соседнем файле, который ты сам
57:05
Speaker A
создал .env.vps-stack. И потом MCP-серверы ты можешь сам конфигурить, поэтому, пожалуйста, законфигури MCP-сервер, чтобы он начал работать прямо здесь". Да, отлично, отправляем. Сейчас мы посмотрим, что произойдёт. Конечно, хочется, если честно, переключиться уже на другую нейронку какую-то, но давайте уж дойдём на этой, уж больно она
57:33
Speaker A
дешёвая, потому что хочется получить работоспособный продукт за, вон, я не знаю, возможно, мы уложимся в 20-30 центов, что, вообще говоря, неплохо было бы, согласитесь. Ага, ну, наконец, он понял, что нужно вызвать настройку MCP N8N. Сейчас у нас в в агенте, также как и в CloudCode, просто в рамках каждого
57:56
Speaker A
проекта может быть с полностью своя конфигурация. Например, вы можете создать сколько угодно проектов, и там, в каждом изолированном проекте, свои скиллы, свои MCP серверы, свои контексты, своя память, то есть вообще-вообще всё, также как и в Гермесе, соответственно, но здесь, здесь
58:13
Speaker A
прикольный есть потом способ к этим проектам отдельно обращаться извне. Мы, кстати, это сами тоже посмотрим. А сделано для того, чтобы как раз, например, когда мы захотим сделать нашего ночного отсмотрщика, например, ночного аналитика, который по ночам будет смотреть executions N8N, мы сделаем прямо отдельно ночного аналитика, отдельный
58:36
Speaker A
проект, у него будет отдельный свой контекст, и так как это облако, то есть мы сейчас агент в облаке запустили, ну, нам не нужно наш комп держать открытым, да, или рабочим, потому что N8N, наши рельсы, они всегда могут отдавать в
58:53
Speaker A
нашего облачного агента, в наш проект заданный там все логи, и он будет аналитику делать, соответственно, мы как бы будем в этот момент спать, а потом будем проверять, что всё хорошо работает. Ну, сейчас мы живём в надежде, что наш MCP сервер всё-таки восстановится. Я хочу сказать,
59:11
Speaker A
что, кстати, замеры конкретные, мы вот делали в одном из предыдущих видео про Haiku 5.5. Там прямо было такой, Haiku был прямо подороже, но, типа, точность и скорость были сопоставимы. По субъективным замерам, вот я вчера, когда готовился к этому видео, я делал всё то же самое на Haiku 5.5, для того чтобы
59:33
Speaker A
цена как бы у нас оставалась адекватной. Я вам хочу сказать, там прямо быстрее, вот по ощущениям быстрее, меньше тупит, как следствие, так как она меньше тупит, она меньше вопросов задаёт, она делает всё с первого раза, а соответственно, нужно меньше доуточнений, но цена выше, то есть
59:51
Speaker A
там действительно было заметно, как мы дошли до 100.000 токенов, вот сейчас мы, кстати, с Луной тоже подошли к сотне тысяч токенов, а там сразу начала скакать цена, вот. Ну, опять же, если вы делаете по подписке, это на Claude, на
60:05
Speaker A
Codex, вы, наверное, особо про это париться не будете, у вас всё быстрее намного пройдёт и точнее, про просто потому, что нейронку вы, скорее всего, будете рекомендовать там Sonnet, Opus, ну, собственно, топовые нейронки забирать, и у вас всё это прямо быстро и точно произойдёт. Так, отлично. А на нас
60:23
Speaker A
говорит, что да, Open Router который я наконец нашёл, ну, спасибо и на этом. А дальше, да, она прокинула этот ключ в наш Light LLM. И обратите внимание, она сделала там конфигуратор моделей, то есть она создала там быструю модель,
60:37
Speaker A
быструю fallback модель и Smart модель и сразу сказала, что если это быстрая модель будет вызываться Haiku 5, для Fast fallback будет GPT-4.1 Nano и Sonnet 5.5 - это Smart модель. И это значит, что теперь мы, когда начнём подключать наш Gateway в наших рельсах в N8N, можно будет очень гибко выбирать. И
60:59
Speaker A
конфигурацию MCP он добавил в оркестратор. В MCP.json у нас это, в принципе, в каждом проекте, так же, как и в другой оболочке, мы можем найти тут файл отдельный MCP.json, и мы видим, что вот он MCP сервер N8N, URL прокинут,
61:14
Speaker A
хедеры прокинуты, ну, кажется, что всё должно быть теперь хорошо. Теперь, я, наверное, создам новый чат, чтобы предыдущую историю не тянуть, потому что так как у нас каждый проект это каталог, у нас прямо этот каталог обладает файлами, файлы, соответственно, не зависят от сессии. Короче, также как и в
61:33
Speaker A
любой другой оболочке, что я вам рассказываю, всё лучше меня знаете. Поэтому нам нужен следующий промт, промт, который уже создаст автоматизации. Нейронки есть, базы есть, рельсы готовы, в смысле платформа под рельсы, теперь их надо построить. Каким образом мы это делаем? Мы в нашем
61:49
Speaker A
обсидиане переходим на третий промт, который уже объясняет, что нужно делать. Смотрите, мы здесь специально прямо прописали JSON для нейронки, потому что как раз вот наш случай, когда мы пользуемся тупенькой нейронкой, мы не хотим здесь 10 правок потом делать, это нам опыта положительного не даст, а я
62:10
Speaker A
прямо сюда закидываю JSON и теперь даже если у нас будет тупенькая модель, мы сможем Так, что у нас тут? Да, разрешаем. Вот, мы сможем тогда прямо воспроизвести эту историю. Вы потом, естественно, там за второй шаг, если что, можете изменять эти промты как угодно, вернее, эти JSONы, это уже
62:29
Speaker A
зависит от вас и от вашего кейса. А, ну да, да, да, конечно, чтобы у нас Мы же что с вами строим? Мы с ва- с вами строим приём задач из Телеграма, поэтому он говорит: "Я не вижу Telegram бот в наших переменных, поэтому откройте,
62:44
Speaker A
пожалуйста, BotFather". Он нам всё подсказывает и по- положите туда переменную Telegram бот токен. Соответственно, нам нужно открыть этот файлик, здесь просто положить Telegram бот токен и я подготовил Telegram бот.
62:59
Speaker A
Что Что от нас требуется? Мы прямо в нашем Телеграме набираем в поиске BotFather, ну или вот у вас у агента он вам дал ссылку, прямо нажимаем, у вас открывается приложение BotFather. Здесь вам нужно создать новый бот и после
63:14
Speaker A
этого вы, в получаете вот такое поле, где вы можете скопировать токен, вернуться в ваш агент, вставить этот токен прямо сюда, нажать save. И после этого сказать: "Ну, я готов, всё положил, продолжай".
63:29
Speaker A
Отправляем. И теперь наш, э, агент должен понять, что Telegram готов. Что он сейчас будет делать? Он будет, э, этот бот прокидывать уже в наши рельсы.
63:38
Speaker A
Ведь мы же хотим, чтобы у нас в рельсах была автоматизированная приёмка заявок и отработка этих заявок в нескольких режимах: в автоматическом для простых, в более сложных эскалирование на, э, нашего менеджера. Так, и он нам говорит: "Самое время нажать старт", то есть отослать старт нашему боту для того,
63:59
Speaker A
чтобы я смог, э, подхватить и посмотреть на ваш ID, э, для того, чтобы записал вас как менеджера, потому что на меня он потом будет эскалировать какие-то вещи.
64:10
Speaker A
Нажимаю старт. Так, друзья, у нас тут, э, если вы посмотрите, прямо было сильное разбирательство. В чём был прикол? Мой бот был уже привязан к другим автоматизациям, тестовым разным. И, вообще говоря, нейронка может, э, сбрасывать вебхук-адрес с бота по его токену. Токен мы дали, но возможно, это
64:27
Speaker A
проблема Луны, у неё не получалось никак это сделать. Соответственно, я нажимал старт, и нейронка не получала апдейт, а нужно отослать старт, потому что она хочет получить, э, мою ID-шку, ID-шку Телеграма, для того, чтобы потом её использовать как ID-шку менеджера. Ну, так прописано в промте. Поэтому если у
64:47
Speaker A
вас такое же происходит, вы лучше сходите в настройки бота в ботфазер и, э, ревоукните текущий токен, то есть заново выпустите токен и уже его используйте в вашем агенте, чтобы не было проблем. Но скорее всего, если у вас нейронка будет помощнее, она сообразит, как, э, сбросить ему
65:06
Speaker A
вебхук-URL, и тогда будет всё нормально. Ну что, друзья, третий раз настало время спрашивать, как идёт супер сложно суперпонятно или супер муторно? Напишите ваш коммент, потому что я не знаю вот такие долгие разговорные видео слэш скринкасты, ну я вообще наверное никогда не делал, ну или редко
65:26
Speaker A
делал. Не знаю как это идёт, потому что тут видите и речь неспешная, потому что мы тут с вами вместе через косички нейронок и оболочек продираемся, вот. Поэтому было бы круто узнать ваше мнение, напишите в комментах что вообще думаете по такому формату видео. О, смотрите, он сейчас строит у
65:46
Speaker A
нас автоматизацию используя MCP N8N, опять же мы ручками вообще ничего не делаем, мы у нас основной инструмент работы это наш голос вообще сегодня, да и вообще на самом деле я вам рекомендую уже с оболочками общаться голосом, зачем вам что-то вбивать, печатать. Смотрите, нам уже приходит тестовая заявочка,
66:08
Speaker A
клиент пишет пишет нужен лендинг для кофейни, открываемся через 2 недели, бюджет до 100 тысяч, успейте. И смотрите, дальше у нас уже моделька проставляет срочность, то есть как она сама понимает срочность, срочность медиум, нужен лендинг для кофейни, которая описывает которая открывается
66:25
Speaker A
через 2 недели, бюджет до 100 тысяч. То есть почему она решила, что это медиум срочность, потому что то есть это её интерпретация. И в этот в этом и есть прикол, что моделька если видит не срочность, она сама будет отрабатывать,
66:39
Speaker A
при том будет отрабатывать такими дефолтными фразами. Мы вообще ничего не будем тратить на нейронки и в этом и есть прикол разделения на рельсы и инженера. То есть всё, что может отрабатывать наша детерминированная среда, она должна отрабатывать и скалировать дальше на нейронку либо на
66:57
Speaker A
человека только то, что она реально должна и скалировать, поэтому в этом в этом и суть. Сейчас мы посмотрим, как это всё работает. Итак, мы дождались нужного нам ответа, оба workflow опубликованы, Telegram подтвердил webhook, тест формы прошёл, eval классификации 11 из 11 кейсов. Да, я
67:16
Speaker A
забыл сказать, у нас уже в prompt вшиты эвалы, то есть там классические кейсы, которые могут встречаться, нейронка сама прогоняет эти кейсы с некоторой периодичностью для того, чтобы смотреть, каким образом отрабатывает, каким образом получаются результаты, и она сравнивает результаты с эталонными и
67:35
Speaker A
проставляет балл, совпал не совпал. И это позволяет нейронке вне нашего контроля периодически проверять нашу автоматизацию, насколько хорошо она работает. И если она работает не очень, она эскалирует это до нас и говорит: "Вот в таких тестах автоматизация не прошла". Мы сейчас ещё про это чуть-чуть
67:51
Speaker A
попозже поговорим. Он нам говорит: "Теперь с другого аккаунта отправь привет". Вот мы даже не заглядываем сейчас в Nvoiseman, нам это неинтересно.
68:01
Speaker A
Для нас Nvoiseman сейчас закрытая коробка, примерно как если бы мы мы написали функцию в коде, согласитесь. Я перехожу в свой другой аккаунт и пишу этому же боту уже с другого аккаунта: "Привет". Сейчас мы буквально, он говорит: "Да, здравствуйте, спасибо, что написали. Расскажите, пожалуйста, какая
68:20
Speaker A
у вас задача, сайт, реклама или что-то другое? Есть сроки, бюджет?" То есть по сути мы без сейчас участия какого-то человека просто получили какой-то follow up. Дальше, если я говорю: "Я хочу сайт сделать. У меня есть 100 тысяч". Нажимаем Enter и сейчас подождём, что будет происходить. Я
68:45
Speaker A
думаю, что сейчас мы дождёмся, да, я уже вижу нотификацию. Сейчас нашему другому аккаунту, менеджеру, приходит нотификация о том, что пришло время эскалировать, потому что есть реальный интерес. Давайте перейдём в другой аккаунт. Смотрите, я сейчас перешёл в другой аккаунт и вижу, что мне клиент
69:04
Speaker A
пишет: "Я хочу сделать сайт, у меня есть 100.000". То есть, это уже я читаю как менеджер. Сейчас клиент внешний, он вот это написал и у меня сразу модель всё проклассифицировала. Тип сайт, срочность медиум, клиент хочет заказать разработку сайта. Это уже всё пошли интерпретации модели. Бюджет она сама вытащила,
69:25
Speaker A
создала анкетку. Есть конкретная задача, почему она так решила, и указан бюджет пора эскалировать. И дальше даёт мне черновик ответа. Здравствуйте, спасибо за обращение к нам, мы будем рады помочь с разработкой сайта, обсудить ваш проект. И только если я, как человек, готов отправить это сообщение от в
69:45
Speaker A
ответ, я нажимаю отправить и у меня инициируется, как вы видите, вебхук. Соответственно, отсюда я нажимаю Open, у меня открывается вебхук и тому заказчику потенциальному сейчас уходит сообщение, которое мы вместе подготовили. Давайте сходим теперь на аккаунт заказчика. Вот мой аккаунт заказчика и я здесь получаю:
70:03
Speaker A
"Здравствуйте, спасибо за обращение к нам, мы будем рады помочь с разработкой сайта". То есть, именно тот ответ, который нам нейронка сама подготовила.
70:12
Speaker A
То есть, я хочу ещё раз показать, что у нас получилось. У нас, по сути, наш Cloud Code, ну, в данном случае это был агент, в общем и целом, оболочка недетерминированная, наш инженер построила нам рельсы, которые вообще забирают почти всю рутину. Во-первых, эти рельсы получают сообщения от
70:32
Speaker A
потенциального клиента, сами внутри определяют срочность этого запроса. Если это несрочно, они отдают фоллоу-ап автоматически, там приветствие. Если они видят по своей анкете, проходя, что там указан бюджет, сроки и другие всякие вещи, только после этого она эскалирует на менеджера. Менеджеру сразу же ещё
70:53
Speaker A
предлагает черновик ответа. И только если менеджер согласен, он говорит обратно рельсам, типа я согласен и они уже отдают этот ответ на заказчика. То есть по сути это классическая автоматизация, которая снимает первичное общение с наших менеджеров и построена она вообще нами без заглядывания
71:16
Speaker A
куда-либо в N8N. Ну, кстати, без заглядывания, если мы хотим заглянуть, мы сейчас вот заходим в N8N, обновляемся, чтобы была последняя версия. Мы видим вообще без нашего участия здесь появилась две автоматизации: разбор и ответ. Если мы пройдём сюда, мы даже, возможно, ну, мы
71:35
Speaker A
с вами не должны знать, как работает N8N. Но, наверное, если вы смотрите этот канал продолжительное время, вы наверное знаете, как работает N8N. Вам наверное даже приятно на это посмотреть. По сути, я ещё раз подчеркну, это детерминированная часть. Это мог быть код запросто, но так как мы решили, что
71:55
Speaker A
мы, например, не сильно хороши в технических деталях, мы с вами построили детерминированную часть с помощью N8N, которая уже обмазана, чем она обмазана? Журналированием, executions, evaluations, то есть оценкой и всем прочим. Поэтому даже если мы сейчас с вами перейдём в executions, мы
72:14
Speaker A
с вами увидим, каким образом всё это отрабатывало. У нас с вами есть логи. Но хорошая часть в том, что нам с вами и сюда ходить не надо, потому что executions также по MCP запросу могут доставаться нашим агентам по ночам и анализироваться может всё, что происходит. И таким
72:33
Speaker A
образом мы будем работать над ошибками, если такие происходили. Дальше, мне интересно с вами поговорить про такую вещь. Вот автоматизация сейчас работает сама в себе. То есть мы её построили, да, и она полностью отрабатывает весь цикл. То есть у нас наш инженер, ну, наш Cloud Code
72:51
Speaker A
условный, он занимался только тем, что построил её, и дальше он никак не участвует в этой автоматизации. Самый большой вопрос у нас возникает, что если в рамках этой автоматизации нам нужно эскалировать на человека что-то более важное. Ну, например, сейчас мы эскалируем на человека только если мы
73:11
Speaker A
видим интерес, мы готовим черновик для черновика для человека, он просто перепроверяет черновик, чтобы точно какая-то фигня не ушла, да, всегда было что-то проверенное. А что если в рамках этого общения, ну, допустим, мы скажем, клиент предоставляет некоторый свой веб-сайт, да, веб-сайт, и говорит: "Вот
73:30
Speaker A
я хочу его улучшить". А что если мы хотим, чтобы прежде чем это эскалировать на человека, мы бы хотели изучить этот веб-сайт и посмотреть, из чего он состоит, и сформировать ответ на основе того, что есть в этом веб-сайте. В этом случае подходит наш инженер, как ни странно,
73:50
Speaker A
потому что инженер, мы вообще говоря, уже в автоматизациях сопоставляем с человеком. То есть это долгий, дорогой процесс, который требует внимания. Но мы ведь знаем, что наши оболочки, они уже невероятно хороши в том, чтобы ходить в интернет, фетчить контент, читать веб-сайты, делать Google поиск, да ещё в
74:10
Speaker A
1000 разных мест. А что если наш агент будет использоваться в таких моментах, чтобы отрабатывать, например, ссылки, которые содержатся в сообщениях человека. Что? Ну, это же круто. То есть он бы сделал для нас всю аналитику, он бы сам отсмотрел сайт, и нам бы уже подготовил ответ. Но для этого же нам
74:31
Speaker A
нужно как-то уметь в рамках наших рельсов не только к человеку обращаться, но и к нашей автоматизации. Да? И на самом деле в оболочках современных, тот же агент, тот же Гермес, есть API. Это значит, что мы можем с вами в любой момент сказать нашей оболочке: "Принимай запросы извне,
74:52
Speaker A
отрабатывай их, как будто бы это сессия с человеком". Вот мы же что-то пишем, говорим: "Привет". Она отрабатывает, использует MCP серверы, использует свой контекст, использует скиллы, отрабатывает и отвечает нам. А что, если она от внешнего запроса будет инициировать ту же самую сессию,
75:10
Speaker A
отрабатывать и отвечать, только уже туда? Это делается супер просто, опять же, в Гермесе это он поднимает свой API сервер, Agent.
75:19
Speaker A
Если мы перейдём сейчас в настройки и прокрутим тут вправо, давайте тут закроем эту штуку, мы видим тут тоже API. На самом деле уже всё встроено в Agent. В Cloud Code это делается через коннекторы. В Cloud Code, если вы в
75:32
Speaker A
облаке это делаете, вы можете создать коннектор, и он может триггериться по внешнему извне. То есть там он создаёт endpoint, который вы тоже можете туда послать, например, message какой-то, и он отработает этот message, отдаст вам ответ. В Agent, здесь всё то же самое, здесь есть API
75:49
Speaker A
ключ и есть инструкция, как, ну, супер просто послать запрос в Agent. Я для этого подготовил ещё один промт, он называется Agent эскалация, как раз эскалация на Agent. Нам требуется только один промт.
76:04
Speaker A
Вы его можете адаптировать под любую другую оболочку, так сказать: "Вот есть промты для другой оболочки, а я хочу это сделать в Гермесе". И он вам адаптирует это всё под Гермес. Нам нужно просто создать новый чат с вами, вставить этот
76:17
Speaker A
промт и нажать Enter. Так как здесь всё описано, что нужно делать, он рассказывает, что вообще нам с тобой хотелось бы создать отдельного работничка в Agent, то есть отдельный проект, который бы как раз занимался тем, что научился бы отрабатывать внешние запросы, и потом бы он вызов
76:37
Speaker A
этого агента, он бы поместил это в нашу автоматизацию, которую нам даже не нужно ручками править. Сейчас мы с вами почитаем. Он говорит, что токен я не нашёл, нажми сгенерировать заново. Хорошо, я иду в настройки, я иду в API,
76:54
Speaker A
я говорю перегенерировать. Ну, в общем-то, он у нас тут вывелся, ну, мне неохота. Я говорю, сгенерировал токен. Он, наверное, сейчас появится где-то в настройках. Так как это всё происходит внутри агента, он сейчас внутри агента и копошится. Если он сейчас не смотрит, не сможет найти этот токен у себя внутри,
77:12
Speaker A
то мы его просто вставим в переменные окружения, наверное, как вы будете делать и в CloudCode и в вашем гермесе, если вы им пользуетесь. Наверное, то же самое в Open Cloud происходит, я вот что-то Open Cloud уже очень давно не
77:25
Speaker A
смотрел. О, отлично, смотрите, он создаёт новый проект, который называется NightCall. Это в промте написано, что он, ну, ночной вызов, да, должен вызываться. Это значит, что мы в этот проект даже не полезем. Он создаст этот проект, туда пропишет вообще все нужные инструкции, а потом ещё в N8N пропишет
77:41
Speaker A
правильный способ, каким образом обращаться к этому проекту уже внутри нашего агента. В агенте это как раз сильная сторона, что вы можете изолировать эту историю, то есть у вас API запрос может идти в каждый конкретный проект. То есть вы можете отослать запрос в ваш оркестратор, и
77:59
Speaker A
тогда у вас просто появится тут сессия и просто ответит вам агент вовне из этой сессии. Ну, если вы хотите, чтобы чтобы вам ваш агент отвечал из проекта NightCall, то есть из конкретного проекта, в котором есть свой конкретный контекст, тогда вы вы вот просто настраиваете вызов в конкретный проект.
78:19
Speaker A
Я предчувствую ваши какие-то вопросы, потому что я их уже получал. Вот агент, зачем ты рассказываешь, типа, реклама агента? Агент open source проект. У него на 100% открытый исходный код. Вы можете его У меня в каждом описании видео есть
78:34
Speaker A
ссылка на сайт, и там есть прямо GitHub кнопка. Вы туда переходите и смотрите. Вы устанавливаете, там есть инструкция по установке агента на свой сервер. API работает в Open Source проекте. То есть, да, тут есть какие-то надстроенные сверху штуки, типа Enterprise решения, которые, ну, там, синхронизация с
78:52
Speaker A
компьютером, множество агентов под команду, там, распределённый бюджет. Ну, вам это всё не нужно, я думаю. Вам нужен просто какой-то какая-то платформа, которая будет подменять вам человека. То есть, вы ваша задача развернуть, прокинуть туда нужный контекст, ну, этот промт он сам прокидывает контекст. И
79:11
Speaker A
потом она бы выполняла ваши долгие задачи по API запросу. Так, что у нас тут? Шаги выполнены, на шаге три остановился, он искал VPS IP, хотя заданный токен не передавался. Продолжить с правильным источником, да, продолжить. Я вот говорю, так как нейроночка, она у нас прямо супер
79:29
Speaker A
какая-то дотошная и не всегда, короче, она я думаю, предпочитает переспрашивать. Это вы можете, кстати, в опен найти, когда вы какие-то длинные задачи, вот, часовые, там, двух-трёхчасовые делаете, там тоже защитные механизмы срабатывают, типа, что-то не так, я лучше переспрошу.
79:45
Speaker A
Какие-то нейронки вообще не переспрашивают, вот, она говорит, сейчас что произошло? Креды лежат не в том файле, а в соседнем. Я думаю, лучше остановиться, не продолжать. Скажите, если нужно продолжать. Ну, другие нейронки бы они даже не останавливались, они такие, о'кей, ну, не здесь, а здесь,
79:59
Speaker A
погнали дальше, типа того. Это всё встроено и уже в сами в сами нейронки гарды, гардрейлс, и они всё чаще и чаще отказываются выполнять какие-то задачи.
80:08
Speaker A
Я часто натыкаюсь, когда долгий проект идёт, например, она может воспринять, что это попытка каких-то криптографических действий, например, взломы какие-то, когда я работаю с файловой структурой, он говорит, ага, работа с файлами, а вдруг ты хочешь что-то вредоносное сделать, я
80:22
Speaker A
остановлюсь. И дальше она уже не запускается, нужно новую сессию запускать. Вот так это работает. Итак, через некоторое время мы получаем оповещение, что наш workflow опубликован и говорит: "Я тебя сейчас удивлю, от отошли мне вот такой запрос и тогда ты увидишь магию". Ну хорошо, мы сейчас
80:41
Speaker A
попробуем прямо так и написать со стороны заказчика. Я пишу: "Привет, хочу обновить свой сайт sendforsign.com.
80:52
Speaker A
Бюджет 150 тысяч". Я отправляю Enter и сейчас посмотрим, какое оповещение я получу и получит ли менеджер какое-то оповещение.
81:05
Speaker A
Так, у нас тут network error возник у агента. По идее, мы не должны от этого страдать. Так, никакого оповещения пока наш менеджер не по не получает. Я нажму отправил, посмотрим, что там происходит. Ага, у нас получил оповещение наш
81:22
Speaker A
менеджер. Давайте смотреть его. Обратите внимание, каким образом выглядит эскалация на мене на менеджера теперь. есть он да, наша нейронка, во-первых, прислала сам запрос, он есть, обновить сайт, выделила все нужные вещи, то есть тип задачи, бюджет выделила, объяснила, почему она так поняла. А дальше что
81:42
Speaker A
выяснил агент? Sendforsign платформа электронной подписи и управления договорами с AI API и интеграциями. Текст главный смешивает несколько позиционирований и signature AI contracts and AI agent. И теперь мы можем спросить, откуда это всё знает она, да? Она это знает, потому что сама
82:00
Speaker A
нейронка. Если мы теперь перейдём в проект Night Call, мы видим, что здесь есть новая сессия, которая называется внешняя сессия Lead 6. Эта сессия нами не инициирована, эта сессия инициирована нашей автоматизацией, нашими рельсами.
82:16
Speaker A
То есть, когда нейронка поняла, что речь идёт о какой-то сайт о каком-то сайте, у неё есть инструкция эскалировать на AI менеджера. Соответственно, сейчас наш агент выступил AI менеджером. А так как у нашего AI менеджера есть огромное количество инструментов, в том числе
82:35
Speaker A
fetch контента, она передала сюда задачу прямо в этого менеджера по внешней сессии. И так как агенту всё равно, откуда сессия инициирована, инициирована, то если бы мы спросили то же самое: "Посмотреть сайт centerforscience.com", она бы сделала fetch контента и,
82:51
Speaker A
соответственно, она сделала то же самое. Сразу расписала, что она увидела, расписала, о чём этот сайт, прочие, прочие вещи. То есть, по сути, она сделала за нас именно такую скучную работу: сходить на сайт, посмотреть, о чём он, какие-то ключевые вещи выдать нам. И она всё это выдала обратно в наши
83:10
Speaker A
рельсы, в N8N, а уже N8N эскалировал до нас. Теперь, если мы нажмём отправить, у нас инициируется вебхук. И теперь, если мы перейдём на нашего заказчика обратно, мы увидим полноценный ответ: "Здравствуйте, посмотрели только что ваш сайт. Мы видим, о чём он, работа договора, AI инструменты и прочие,
83:28
Speaker A
прочие, прочие". То есть, реально у нас сейчас такой human in the loop, но уже AI in the loop и выполняет тяжёлую, долгую работу с помощью внешней оболочки, с помощью внешнего агента. И всё, теперь мы уже в самом агенте,
83:42
Speaker A
который строил эту автоматизацию, мы получаем отчёт. Всё сработало, он был подольше, вот эти запросы идут подольше, потому что они требуют отправки во внешнего агента, тот, используя свои инструменты, контексты, он делает необходимые исследования, формирует нам ответ, эвалы у нас проходят, живая
84:01
Speaker A
проверка у нас проходит, final reply отработал, то есть, всё работает, как нужно. Это при том, что мы даже ни разу ещё в N8N не заходили для того, чтобы для того, чтобы там хоть что-то поправить. Теперь, если мы зайдём в наш
84:15
Speaker A
N8N, обновимся, я думаю, что если мы сейчас пере- пере- перескочим в какую-то автоматизацию вот разбор и ответ, теперь мы неожиданно увидим, да, вот он в ней, я сразу его увидел. Смотрите, в каком-то, в какой-то из веток, после того, как мы записали заявку, он, у него тут есть веточка, нужно ли исследование?
84:34
Speaker A
Вот если есть на предыдущем шаге нейронка проставила is true, то есть нужно исследование, он инициирует обычный API запрос. Видите, он прямо к нашему агенту, к, через вот этот endpoint, к нужному проекту инициирует запрос. Сам всё написал, сам всё перекидывает, нам даже не обязательно с
84:53
Speaker A
этим разбираться. Если мы перейдём в executions, всегда посмотрим историю. Ну, соответственно, всё работает, как и ожидалось. Друзья, ну что, теперь вы понимаете, что по сути, вот такой подход, его можно масштабировать как угодно. Например, если вам нужно, чтобы у вас теперь, допустим, по ночам, да,
85:12
Speaker A
запускались какие-то автоматизации, которые перепроверяли бы всё это, вы можете попросить вашего инженера, то есть вашу саму оболочку, добавить новую автоматизацию с расписанием, которая будет в 3:00 ночи пробегаться по всем executions, пробегаться по базе, чтобы, например, посмотреть, каким образом за
85:31
Speaker A
день менеджеры эскалировали, то есть отвечали да, нет на эти запросы, увидеть потом, это прогнать по эвалам, эвалы уже прописаны здесь. Кстати, возможно, имеет смысл как-то сделать отдельную тему про эвалы, потому что, ну, это такая self-correction, да, то есть самокорректирующаяся история,
85:48
Speaker A
прикольная, которая реально, ну, вам не когда не нужна, пока вы делаете на таком, даже на среднем уровне, на самом деле, всё сейчас с современными нейронками работает более-менее. Но когда вы выходите на какие-то промышленные объёмы, вы, конечно, прописываете и такие вещи. Мне кажется,
86:02
Speaker A
надо завершать это видео уже, оно может длиться бесконечно. Я сюда ещё могу накинуть кучу всего. Я вот, например, подумал, что когда происходит эскалация, то есть на менеджера выводится выбор да, нет, типа, отсылать черновик, нет, не хватает варианта подредактировать черновик, да, и было бы круто голосом.
86:19
Speaker A
То есть, я думаю, что следующим этапом, кстати, если это интересно, тоже напишите, просто новая или модификация автоматизации, я бы добавил, опять же, инженеру бы дал задачу, инженеру вот нашему, нашей оболочке, добавить третью кнопку подкорректировать черновик и через го через голосовые или текстовые
86:37
Speaker A
сообщения. Тогда бы он принимал моё голосовое сообщение, какие-то корректировки, я бы сказал, вот то-то, вот это измени, вот это измени, и чтобы он мне обратно уже исправленный черновик присылал, вот, и уже после этого бы я решал там отправлять, не отправлять клиенту. Ещё, я думаю, что тут очевидно
86:55
Speaker A
надо добавить множественных менеджеров, сейчас он всё эскалирует на одного, можно самый простейший рутинг добавить, чтобы в зависимости от типа задачи, ведь тип задачи же он определяет, да, он говорит, это сайт или это реклама, или ещё что-то. В зависимости от типа задачи, мы можем сделать рутинг на
87:11
Speaker A
нужного менеджера, и нужный менеджер получал бы то же самое, получал бы выбор да-нет с черновиком и с вариацией исправить черновик. Давайте, наверное, потихонечку закругляться. Поэтому, наверное, если какая-то финальная вещь, которую я бы хотел сказать, с чего начать, да, вот вы сейчас смотрите это
87:28
Speaker A
видео, я уж не знаю, какой процент из вас досмотрел до сюда, я подозреваю, не очень большой процент, вот. Но если вы досмотрели, респектос. Я думаю, что я надеюсь, что вы не пожалели, что досмотрели. Простая вещь, теперь вы понимаете, как это работает, вы всегда разделяете ваши автоматизации на
87:45
Speaker A
инженера и рельсы, если позволите так. Рельсы у вас прут всегда по одному и тому же workflow, и всё, что вы можете перекинуть на плечи рельс, вы мо вы должны это делать, для того чтобы по максимуму разгрузить вашего инженера,
88:01
Speaker A
потому что инженер - это непредсказуемо, дорого и недетерминировано. Соответственно, выбирайте себе один процесс, который болит больше всего, после этого сами понимаете, что там можно поставить на рельсы, а что требует не детерминированности. На рельсы ставьте приём первых задач, проталкивание по workflow, то есть там анализ каталога, потом забор файла с
88:24
Speaker A
каталога, потом, например, векторизация этого файла, потом сохранение векторной базы. Вам не нужен для этого ваш не детерминированный агент. Но чтобы построить это, вам нужен агент, то есть вы прямо рассказываете агенту: "Давай строить рельсы". Если у вас есть опыт инженерии, наверное, и вам имеет смысл
88:42
Speaker A
сразу всё писать в коде, то есть прямо строить ваши рельсы в коде. Если нет, вы видели, прекрасно работает n8n. n8n хорош ещё тем, что ну, он классно масштабируется, то есть он может десятки тысяч executions в день запросто проводить. То есть там вы опять же вашему агенту говорите, что мне нужно
89:01
Speaker A
заботиться о том, чтобы после каждого workflow у нас очищалась оперативка. То есть ваш инженер, который работает на первом этапе, он сам оптимизирует, он может туда воркеры добавлять, там у n8n на огромное количество возможностей отрабатывать в на масштабе много всего. Вот. И если подходить к последнему шагу,
89:21
Speaker A
ваш инженер, опять же, после того, как ваши рельсы по работали, его задача выступать человеком. Как вы видите, у нас вот он работает в нашей автоматизации в двух видах. Он строит автоматизации, потом он анализирует журналы, даже в трёх видах. То есть он потом по ночам идёт во все executions и
89:41
Speaker A
сам просматривает, были ли где-то ошибки, какие логи там были, и потом на утро вам скажет: "А, смотри, вот такие были ошибки за предыдущий день". Это очень важно. И третья его роль, когда есть какая-то супер тяжёлая задача, которая, например, требует контекста вашей компании или там вызова MCP
89:58
Speaker A
серверов, использования скиллов, этот же самый инженер может просто на него происходит эскалация, как мы это сделали, вместо человека. Вот он пойдёт и порыщет по интернету, сделает fetch контента. Если вы туда какой-то скрепер засунете, он будет нормально скрейпить. Ну, то есть вот именно отдавать ему
90:17
Speaker A
долгие задачи, которые вы точно знаете, что нормально, условно, Cloud Code справится, а вот ваши рельсы ну не должны такое делать, потому что это долго долго с непредсказуемым результатом. Вам как раз там нужна вариативность. Ладно, мне кажется, на этом всё. Друзья, это видео заняло
90:33
Speaker A
какую-то вечность, мне кажется, чтобы его снять. Сейчас оно ещё будет монтироваться. Поэтому, раз уж вы тут на этой минуте, вас с вас я попрошу обязательно, сейчас, если получится, лайк этому видео, подписочка там внизу и а, комментарий осознанный. Что значит осознанный комментарий? Это значит, что
90:55
Speaker A
вы просмотрели, прожили, продумали и вам есть что сказать. Вот это осознанный комментарий. Да и всё, наверное. До следующих встреч. Хорошего вам дня.
Topics:ИИавтоматизациянейросетиChatGPTN8NагентыMCP-серверыинструменты автоматизациипродуктивностьтренды 2027

Get More with the SozAI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries and speaker detection. 30 minutes free.

App Store Google Play
Or transcribe another YouTube video here →

Free tools: TXT to SRT · SRT Validator · Merge SRT · Subtitle to Text · All tools

More from ИИшенка | AI Automation

View All
Jev: Что Осталось После Хайпа (За 10 Минут) — Transcript10:49
Jev: Что Осталось После Хайпа (За 10 Минут) — Transcript
1,205 1 Russian
Топ 4 Способа Управлять Claude Code Агентами (И Когда И… — Transcript15:04
Топ 4 Способа Управлять Claude Code Агентами (И Когда И… — Transcript
1,854 1 Russian
Учим разрывать низкие лимиты, с Kostya_Jock. Занос 3123… — Transcript2:14:27
Учим разрывать низкие лимиты, с Kostya_Jock. Занос 3123… — Transcript
19,752 1 Russian
Как зарабатывать покером. Правила покера. Покер – игра … — Transcript57:18
Как зарабатывать покером. Правила покера. Покер – игра … — Transcript
8,693 1 Russian
РАЗОБРАЛ 30 МИЛЛИОНОВ РАЗДАЧ И УЗНАЛ ВСЕ СЛАБЫЕ МЕСТА И… — Transcript34:42
РАЗОБРАЛ 30 МИЛЛИОНОВ РАЗДАЧ И УЗНАЛ ВСЕ СЛАБЫЕ МЕСТА И… — Transcript
5,591 1 Russian
Разработка с AI: автоматизация и продуктивность. Заняти… — Transcript2:06:04
Разработка с AI: автоматизация и продуктивность. Заняти… — Transcript
18,572 1 Russian
Лукашенко – МАЛЬЧИК НА ИСТРЕБИТЕЛЕ (feat. Ryanair) [Пир… — Transcript3:44
Лукашенко – МАЛЬЧИК НА ИСТРЕБИТЕЛЕ (feat. Ryanair) [Пир… — Transcript
339 1 Russian
эта фигня меня не пускает #рик #морти #рикиморти #goreb… — Transcript0:19
эта фигня меня не пускает #рик #морти #рикиморти #goreb… — Transcript
33 1 Russian
ПОЧЕМУ ТАТУИРОВАННЫЕ ДЕВУШКИ НЕПРИГОДНЫ ДЛЯ СЕРЬЕЗНЫХ О… — Transcript8:07
ПОЧЕМУ ТАТУИРОВАННЫЕ ДЕВУШКИ НЕПРИГОДНЫ ДЛЯ СЕРЬЕЗНЫХ О… — Transcript
891 1 Russian
ЗОМБИ ЖОРИК И МАШИНА ВРЕМЕНИ В Майнкрафт ~ Нуб в Майнкр… — Transcript12:46
ЗОМБИ ЖОРИК И МАШИНА ВРЕМЕНИ В Майнкрафт ~ Нуб в Майнкр… — Transcript
569 1 Russian
ЗОМБИ ЖОРИК И НУБ в Майнкрафт | ЖИЗНЬ ЗОМБИ ЗАТРОЛЕН И … — Transcript13:03
ЗОМБИ ЖОРИК И НУБ в Майнкрафт | ЖИЗНЬ ЗОМБИ ЗАТРОЛЕН И … — Transcript
2,069 1 Russian
Как сделать Жесткое мясо Мягким. Нежная говядина за 5 м… — Transcript11:45
Как сделать Жесткое мясо Мягким. Нежная говядина за 5 м… — Transcript
1,384 1 Russian