[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-ai-agent":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":172},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":111,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":112,"related":126,"views_count":107,"helpful_yes_count":115,"helpful_no_count":115,"created_at":170,"updated_at":171,"published_at":17},280,"ai-agent",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"ИИ-агент","Программа на основе LLM, которая способна планировать действия, вызывать внешние инструменты и доводить задачу до результата без постоянного контроля человека.","ИИ-агент — это не просто чат-бот, а программа, в которой большая языковая модель сама решает, какие шаги предпринять. Агент может задать уточняющий вопрос, вызвать поиск, выполнить SQL-запрос, обратиться к внешнему API и собрать результат. Современные агенты строятся на вызове функций и протоколах вроде MCP и постепенно превращают языковую модель из «продвинутого чата» в полноценный инструмент автоматизации работы.","\u003Cp>Если обычный ассистент просто отвечает на сообщение, агент — это система, которая решает задачу. Между запросом пользователя и финальным ответом он может сделать несколько шагов и обратиться к разным инструментам.\u003C\u002Fp>\u003Ch3>Из чего состоит агент\u003C\u002Fh3>\u003Cul>\u003Cli>\u003Cstrong>Языковая модель как «мозг»\u003C\u002Fstrong> — она выбирает следующий шаг.\u003C\u002Fli>\u003Cli>\u003Cstrong>Набор инструментов\u003C\u002Fstrong> — функции, которые агент может вызывать: поиск, базы данных, API, выполнение кода.\u003C\u002Fli>\u003Cli>\u003Cstrong>Память\u003C\u002Fstrong> — что было сделано в этой задаче и в предыдущих сессиях.\u003C\u002Fli>\u003Cli>\u003Cstrong>Планировщик\u003C\u002Fstrong> — иногда отдельный модуль, иногда та же языковая модель в специальном режиме.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Типичные сценарии\u003C\u002Fh3>\u003Cul>\u003Cli>Аналитика: «собери данные из CRM, посчитай конверсию по сегментам и пришли отчёт».\u003C\u002Fli>\u003Cli>Поддержка: «открой задачу в Jira, добавь скриншот, ответь клиенту».\u003C\u002Fli>\u003Cli>Программирование: «исправь эту ошибку, проверь тестами, открой запрос на слияние».\u003C\u002Fli>\u003Cli>Автоматизация между системами: данные из почты в CRM, оттуда в платежи и обратно.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Где пока сложно\u003C\u002Fh3>\u003Cul>\u003Cli>Длинные многошаговые задачи — модели часто теряют контекст или зацикливаются.\u003C\u002Fli>\u003Cli>Безопасность: агент с доступом к реальным системам — серьёзная зона риска.\u003C\u002Fli>\u003Cli>Оценка качества и отладка — поведение агента сильно зависит от случайности и формулировок.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Задача требует нескольких шагов и обращения к разным системам\u003C\u002Fli>\u003Cli>Хочется снять с человека рутину, в которой 80% решений однотипны\u003C\u002Fli>\u003Cli>Есть понятные правила и критерий «получилось \u002F не получилось»\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Цена ошибки очень высока и нет права на нестабильное поведение\u003C\u002Fli>\u003Cli>Задачу проще решить обычным предсказуемым сценарием без языковой модели\u003C\u002Fli>\u003Cli>Не настроены права доступа и безопасность систем, в которые агент будет ходить\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Команда поддержки запускает агента, который при поступлении новой заявки сам ищет похожие закрытые обращения, читает связанную документацию, формирует черновик ответа и прикладывает ссылку на нужный раздел. Окончательный ответ всё ещё отправляет человек — но он экономит 5–10 минут на каждой заявке и реже допускает ошибки.\u003C\u002Fp>","\u003Cp>На старте не пытайтесь делать «полностью автономного агента». Начните с режима помощника: агент готовит черновик действия, человек подтверждает. Так вы быстро увидите, в каких сценариях модель надёжна, а где она регулярно ошибается, и сможете аккуратно увеличивать степень автономии. В Shtab это удобно пробовать на Shtab AI: режим «Чат» отвечает на вопросы, режим «Агент» берёт на себя многошаговые действия.\u003C\u002Fp>","ИИ-агент, агент на основе LLM, автономный агент, AI Agent","AI Agent","ИИ-агент: что это и как устроен | Глоссарий Shtab","ИИ-агент — программа на основе LLM, которая планирует шаги и вызывает инструменты. Из чего состоит, где применяется и где у современных агентов слабые места.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},10,"ai","#a855f7",{"ru":89},{"title":90,"description":91},"Искусственный интеллект","Терминология ИИ и больших языковых моделей: машинное обучение, нейросети, LLM, эмбеддинги, промптинг, RAG, агенты, MLOps, безопасность и этика моделей.",[93,102],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},37,"llm","framework","#7c5ce6",91,{"ru":100},{"title":101},"LLM",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":108},40,"ai-tool","tool","#5e79ec",94,{"ru":109},{"title":110},"Инструмент ИИ","И",[113,120],{"id":114,"order":115,"translations":116},1546,0,{"ru":117},{"question":118,"answer":119},"Чем агент отличается от обычного чат-бота?","\u003Cp>Чат-бот отвечает на сообщение и обычно не выходит за пределы диалога. Агент решает задачу: он может задавать уточняющие вопросы, обращаться к базе данных, вызывать внешние сервисы, повторять шаги, пока не получит результат. На уровне архитектуры это разница между «один запрос — один ответ» и многошаговым процессом с инструментами.\u003C\u002Fp>",{"id":121,"order":61,"translations":122},1547,{"ru":123},{"question":124,"answer":125},"Можно ли безопасно запустить агента на свои внутренние системы?","\u003Cp>Можно, но это требует отдельной работы: ограниченные права доступа, отдельные служебные учётные записи, аудит каждого действия, обязательные подтверждения для критичных операций. Безопасность агентов — самостоятельная инженерная задача, и выпускать модель сразу в боевой контур без этих ограничений — плохая идея.\u003C\u002Fp>",{"child":127,"parent":142,"related":149},[128,135],{"id":129,"slug":130,"translations":131},281,"function-calling",{"ru":132},{"title":133,"short_definition":134},"Вызов функций (function calling)","Возможность модели вернуть структурированный запрос на вызов внешней функции вместо обычного текста и затем учесть её результат.",{"id":136,"slug":137,"translations":138},282,"mcp",{"ru":139},{"title":140,"short_definition":141},"MCP (Model Context Protocol, протокол контекста модели)","Открытый протокол, по которому языковые модели и агенты единообразно подключаются к внешним инструментам, данным и сервисам.",[143],{"id":144,"slug":95,"translations":145},264,{"ru":146},{"title":147,"short_definition":148},"Большая языковая модель","Нейросеть с миллиардами параметров, обученная предсказывать следующий токен в тексте и способная отвечать на вопросы, писать код и рассуждать.",[150,157,160,167],{"id":151,"slug":152,"translations":153},286,"ai-copilot",{"ru":154},{"title":155,"short_definition":156},"ИИ-копилот","ИИ-помощник внутри основной рабочей среды человека, который подсказывает, заполняет и выполняет рутинные операции, но финальное решение оставляет за человеком.",{"id":129,"slug":130,"translations":158},{"ru":159},{"title":133,"short_definition":134},{"id":161,"slug":162,"translations":163},288,"jailbreaking",{"ru":164},{"title":165,"short_definition":166},"Джейлбрейк (обход ограничений модели)","Способы заставить языковую модель обойти свои защитные правила и выдать запрещённый или нежелательный ответ.",{"id":136,"slug":137,"translations":168},{"ru":169},{"title":140,"short_definition":141},"2026-05-11T19:55:52.956005+03:00","2026-05-11T19:55:52.956022+03:00",[173,189,210],{"id":136,"slug":137,"translations":174,"category":177,"tags":180,"letter":187,"cover":17,"updated_at":188,"published_at":17},{"ru":175},{"title":140,"short_definition":141,"translation_en":176},"Model Context Protocol (MCP)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":178},{"ru":179},{"title":90,"description":91},[181,184],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":182},{"ru":183},{"title":101},{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":185},{"ru":186},{"title":110},"M","2026-05-11T19:55:53.687297+03:00",{"id":190,"slug":191,"translations":192,"category":197,"tags":200,"letter":187,"cover":17,"updated_at":209,"published_at":17},287,"mlops",{"ru":193},{"title":194,"short_definition":195,"translation_en":196},"MLOps (эксплуатация ML-моделей)","Практики и инструменты для разработки, выкатки и эксплуатации моделей машинного обучения и ИИ в боевой среде — аналог DevOps для машинного обучения.","MLOps",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":198},{"ru":199},{"title":90,"description":91},[201,206],{"id":61,"slug":202,"kind":202,"hex":106,"order":61,"translations":203},"methodology",{"ru":204},{"title":205},"Методология",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":207},{"ru":208},{"title":110},"2026-05-11T19:55:55.482827+03:00",{"id":211,"slug":212,"translations":213,"category":218,"tags":221,"letter":228,"cover":17,"updated_at":229,"published_at":17},278,"rag",{"ru":214},{"title":215,"short_definition":216,"translation_en":217},"RAG (поиск с дополнением генерации)","Подход, при котором перед ответом языковая модель ищет подходящие документы в базе знаний и использует их как контекст.","Retrieval-Augmented Generation (RAG)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":219},{"ru":220},{"title":90,"description":91},[222,225],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":223},{"ru":224},{"title":101},{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":226},{"ru":227},{"title":110},"R","2026-05-11T19:55:52.147205+03:00"]