Урок 3: Типы AI агентов — Какой вам нужен?

Чему вы научитесь

• Знать 5 основных типов AI агентов
• Различать агенты по их назначению и возможностям
• Видеть примеры каждого типа в реальной жизни
• Выбирать подходящий агент для своей задачи
• Понимать разницу в сложности и стоимости

Типология агентов

mindmap
  root((AI-агенты))
    Персональные помощники
      Custom GPT
      Claude Projects
      Личный ассистент
    Агенты программирования
      Claude Code
      Cursor IDE
      GitHub Copilot
    Агенты автоматизации
      n8n
      Zapier AI
      Make.com
    Агенты исследования
      Perplexity AI
      RAG-системы
      NotebookLM
    Мультиагентные системы
      LangGraph
      Crew AI
      OpenAI Agents SDK

Существует множество способов классифицировать AI агентов. Вот самая полезная для новичков:

1. Персональные помощники (Personal Assistant Agents)

Суть: Агенты, которые помогают конкретному пользователю в его работе и жизни.

Как работают: Интегрируются с вашими инструментами (календарь, почта, файлы), запоминают ваши предпочтения, действуют от вашего имени.

Примеры:

Custom GPT (OpenAI)

• Что это: Персонализированный ChatGPT с вашими данными
• Пример: GPT для анализа ваших счётов, расписания, документов
• Задачи: Ответит на вопросы о ваших данных, найдёт информацию в ваших файлах

Claude Projects (Anthropic)

• Что это: Рабочее пространство с долгой памятью (помнит контекст)
• Пример: Проект “Мой бизнес” с документами, политиками, целями
• Задачи: Обсудить стратегию, получить совет, анализировать метрики

Помощник на работе (ваш вариант)

• Что это: Агент, который управляет вашей почтой, встречами, задачами
• Пример: “Встреча завтра в 3 часа. Подготовь повестку дня”
• Задачи: Автоматизирует рутину, готовит материалы, напоминает

Сложность: [*] Простой (даже для новичка)

Типичные задачи:

[+] Запомнить мои предпочтения
[+] Ответить вопрос о моих данных
[+] Найти информацию в моих документах
[+] Предложить идеи на основе моего контекста
[+] Помочь с планированием дня

2. Агенты для программирования (Coding Agents)

Суть: Агенты, которые помогают писать, читать, исправлять и тестировать код.

Как работают: Интегрируются с вашей IDE, читают код, запускают тесты, предлагают оптимизацию, находят баги.

Примеры:

Claude Code

• Что это: CLI-агент для разработчиков (работает в терминале)
• Пример: Напишешь “Создай функцию для парсинга CSV” → агент пишет, тестирует, оптимизирует
• Задачи: Написание кода, отладка, рефакторинг

Cursor IDE

• Что это: VS Code с суперсилами AI
• Пример: Tab для автодополнения кода, Chat для объяснения, правки
• Задачи: Быстрое написание, понимание чужого кода, миграции

GitHub Copilot

• Что это: AI-помощник в IDE и GitHub с поддержкой agent mode. С июня 2026 — usage-based billing: Pro от $10/мес
• Пример: Пишешь коммент → агент генерирует код для PR
• Задачи: Автодополнение, объяснение, генерация тестов

Сложность: [**] Средний (нужны базовые знания программирования)

Типичные задачи:

[+] Написать функцию по описанию
[+] Найти ошибку в коде
[+] Оптимизировать неэффективный код
[+] Написать тесты для функции
[+] Объяснить, что делает чужой код
[+] Миграция между версиями фреймворков

3. Агенты автоматизации (Automation Agents)

Суть: Агенты, которые связывают приложения и автоматизируют рабочие процессы.

Как работают: Интегрируются с вашими инструментами (Gmail, Slack, Google Sheets, 1000+ сервисов), создают workflows.

Примеры:

n8n с AI (No-code Automation)

• Что это: Визуальный конструктор workflows с AI помощником
• Пример: “Если письмо от CEO → создай задачу в Notion → напомни в Slack”
• Задачи: Интеграция сервисов, автоматизация процессов

Zapier AI (No-code)

• Что это: Облачная автоматизация с AI
• Пример: “Каждый новый клиент в CRM → отправить приветствие → создать папку”
• Задачи: Синхронизация данных, уведомления, повторяющиеся процессы

Make.com (бывший Integromat)

• Что это: Визуальный workflow builder с AI
• Пример: Парсинг данных из одного сервиса в другой, с трансформацией
• Задачи: ETL процессы, синхронизация, комплексные workflows

Сложность: [*] Простой (no-code решения)

Типичные задачи:

[+] Интеграция двух сервисов
[+] Автоматизировать повторяющиеся процессы
[+] Синхронизация данных между системами
[+] Создание уведомлений на основе условий
[+] Парсинг и трансформация данных

4. Агенты исследования (Research Agents)

Суть: Агенты, которые ищут информацию в реальном времени и синтезируют её.

Как работают: Имеют доступ к интернету, поиску, документам; выполняют многошаговые исследования.

Примеры:

Perplexity AI

• Что это: Search-агент + LLM
• Пример: “Какой лучший ноутбук для 2026?” → ищет актуальные отзывы, цены, сравнивает
• Задачи: Информационный поиск, синтез данных, аналитика

RAG-агенты (Retrieval-Augmented Generation)

• Что это: Агент, который ищет в вашей базе знаний + интернете
• Пример: Внутренний агент на базе Claude, который ищет в документах компании
• Задачи: Q&A на основе документов, аналитика данных

Google NotebookLM

• Что это: Инструмент для анализа документов, генерации summary, podcast и Deep Research (бесплатно или Pro через Google One AI Premium ~$20/мес)
• Пример: Загрузишь 10 статей → агент генерирует резюме, находит противоречия
• Задачи: Анализ исследований, синтез информации

Сложность: [**] Средний (нужны хорошие промпты)

Типичные задачи:

[+] Найти актуальную информацию в интернете
[+] Синтезировать данные из разных источников
[+] Ответить на вопрос с ссылками на источники
[+] Анализировать большие документы
[+] Сравнить варианты с данными

5. Мультиагентные системы (Multi-Agent Systems)

Суть: Несколько агентов работают вместе на одну задачу.

Как работают: Агенты специализируются на разных ролях, общаются между собой, координируют работу.

Примеры:

AutoGPT (устаревший пионер) / LangGraph и OpenAI Agents SDK

• Что это: Фреймворки для создания систем автономных агентов (AutoGPT считается экспериментальным с 2026, в production доминирует LangGraph)
• Пример: Агент-плановик + агент-разработчик + агент-тестировщик = создают продукт
• Задачи: Большие проекты, исследования, разработка

Crew AI

• Что это: Python фреймворк для координирования агентов
• Пример: Агент-журналист + агент-редактор + агент-иллюстратор → статья с картинками
• Задачи: Контент, исследования, сложные процессы

LangGraph / Multi-agent systems

• Что это: Архитектура для сложных агентных систем
• Пример: Агент по финансам + агент по маркетингу + агент по HR → корпоративный помощник
• Задачи: Консультирование, анализ, планирование

Сложность: [***] Сложный (требует программирования, архитектуры)

Типичные задачи:

[+] Сложные многошаговые проекты
[+] Задачи, требующие разных навыков
[+] Исследования и аналитика
[+] Продакшн агенты (работают 24/7)
[+] Корпоративные системы

Сравнительная таблица

Примеры в действии

Пример 1: Стартапер-разработчик

Задача: Создать MVP приложения за неделю

Агенты:

• Claude Code (написать код)
• Custom GPT (помнить требования)
• Cursor (быстрое написание)

Результат: Код готов, протестирован, оптимизирован

Пример 2: Менеджер проекта

Задача: Синхронизировать данные между Asana, Slack, Google Sheets

Агент:

• n8n с AI (создать автоматизацию)

Результат: Каждый апдейт в Asana → уведомление в Slack → обновление таблицы

Пример 3: Маркетолог-аналитик

Задача: Анализировать конкуренты, найти ниши, написать отчёт

Агенты:

• Perplexity (исследование конкурентов)
• Claude Projects (память о целях)
• RAG-агент (анализ своих данных)

Результат: Полный отчёт с инсайтами и рекомендациями

Пример 4: Научная команда

Задача: Провести литературный обзор на 100+ статей

Агент:

• Google NotebookLM (загрузить статьи)

Результат: Резюме, ключевые находки, противоречия выделены

Как выбрать агента для своей задачи?

1. Задача нужна для ОДНОГО ПОЛЬЗОВАТЕЛЯ?
   → Персональный помощник (Custom GPT)

2. Задача связана с НАПИСАНИЕМ КОДА?
   → Coding Agent (Claude Code, Cursor)

3. Задача ПОВТОРЯЕТСЯ И ТРЕБУЕТ ИНТЕГРАЦИИ?
   → Automation Agent (n8n, Zapier)

4. Нужна АКТУАЛЬНАЯ ИНФОРМАЦИЯ ИЗ ИНТЕРНЕТА?
   → Research Agent (Perplexity, RAG)

5. Задача СУПЕР СЛОЖНАЯ и требует РАЗНЫХ НАВЫКОВ?
   → Multi-Agent System (Crew AI, LangGraph)

Попробуйте сами

Упражнение: Выберите агент

Для каждой задачи выберите тип агента:

1. “Заполнить форму на сайте компании каждый день в одно время” → ?
2. “Написать backend API на Python” → ?
3. “Анализировать мою переписку в Slack и выделить ключевые решения” → ?
4. “Найти информацию о новых фреймворках React” → ?
5. “Создать систему, которая разрабатывает, тестирует и публикует код” → ?

Упражнение: Создайте простой агент

1. Откройте ChatGPT или Claude
2. Создайте Custom GPT / Project
3. Загрузите 1-2 своих документа (CV, бизнес-план)
4. Попросите: “Расскажи мне, какие мои сильные стороны”

Поздравляем! Вы создали персонального помощника!

Ключевые выводы

• 5 типов агентов: Персональные, Программирование, Автоматизация, Исследование, Мультиагентные
• Персональные помощники ([*]) идеальны для начинающих
• Coding агенты ([**]) ускоряют разработку в 2-3 раза
• Автоматизация ([*]) экономит часы на рутине
• Исследование ([**]) находит данные за секунды
• Мультиагентные системы ([***]) для сложных корпоративных задач

Какой агент вам нужен?

flowchart TD
  Start([Какой агент вам нужен?]) --> Q1{Нужна<br/>память и<br/>персонализация?}
  Q1 -->|Да| Q2{Нужно<br/>взаимодействие<br/>с другими сервисами?}
  Q1 -->|Нет| Q3{Задача<br/>связана<br/>с кодом?}
  Q2 -->|Нет| R1[Персональный помощник<br/>Custom GPT / Claude Projects]
  Q2 -->|Да| Q4{Нужна<br/>автоматизация<br/>процессов?}
  Q4 -->|Да| R2[Агент автоматизации<br/>n8n / Zapier]
  Q4 -->|Нет| R3[Мультиагентная система<br/>Crew AI / LangGraph]
  Q3 -->|Да| R4[Агент программирования<br/>Claude Code / Cursor]
  Q3 -->|Нет| Q5{Нужна актуальная<br/>информация<br/>из интернета?}
  Q5 -->|Да| R5[Агент исследования<br/>Perplexity / RAG]
  Q5 -->|Нет| R1

Следующий урок

Урок 4: Под какие задачи подходят AI агенты — Теперь вы знаете типы агентов. Давайте узнаем, какие задачи они решают ХОРОШО, а какие — НЕ ОЧЕНЬ.