Как мы разрабатываем AI-продукты.
Разбираем, как запустить AI-функции, где возникают ошибки и какие задачи проще решить без AI.
OpenAI Agent Builder закрывается: как перенести агента и ничего не сломать
OpenAI отключает Agent Builder 30 ноября 2026 года. Официальных путей два: Agents SDK, если агент живёт в вашем приложении, и ChatGPT Workspace Agents, если он нужен сотрудникам внутри ChatGPT. Экспорт в код есть, но граф процесса он не переносит. Поэтому миграция - это прежде всего проверка: собрать примеры реальных запросов до отключения и прогнать их на новой версии.
AI-агенты6 мин чтенияИИ-агенты для бизнеса: какие задачи им поручать
ИИ-агенты для бизнеса полезны там, где нужно разбирать текст, выбирать следующий шаг и работать в нескольких системах. Начните с одного процесса: определите результат, разрешённые действия и способ проверки. Ниже - сценарии и таблица, с которыми можно отобрать задачу для пилота.
AI-агенты5 мин чтенияСколько стоит ИИ-агент для бизнеса
Цена ИИ-агента складывается из разработки и расходов на работающий процесс. Тариф модели покрывает лишь часть затрат: остаются интеграции, повторные попытки, сопровождение и ручная проверка. Чтобы сравнить предложения, сначала определите результат, за который готовы платить.
AI-агенты5 мин чтенияВнедрение ИИ в бизнес: с чего начать пилот
Первый пилот должен ответить на конкретный вопрос: помогает ли система завершать выбранную задачу при допустимых расходах и ошибках? До разработки зафиксируйте исходный процесс и условия приёмки. Это даст основание для решения о запуске, доработке или остановке.
Внедрение ИИ5 мин чтенияRAG или fine-tuning: что выбрать для базы знаний
Если помощник должен отвечать по меняющимся документам, начните с проверки поиска и источников. Если проблема в устойчивом формате или поведении ответа, проверьте инструкции, а затем - дообучение. RAG и fine-tuning могут работать вместе; выбор зависит от того, какую ошибку нужно исправить.
RAG и база знаний6 мин чтенияПочему AI-бот может ответить дважды: что проверить до запуска
В нашем собственном продукте повтор после сбоя охватывал запрос к модели, сохранение ответа и отправку уведомления. Ошибка на последнем шаге могла запустить всё заново. Риск нашли на ревью до релиза.
AI-агенты9 мин чтенияDify, n8n или своя разработка для внутреннего AI-агента
Dify удобен, когда команда собирает AI-приложение и работает с моделями и знаниями. n8n подходит, когда основная задача - связать существующие сервисы и действия. Своё решение имеет смысл, если права доступа, контроль действий или эксплуатация не укладываются в возможности выбранной платформы. Выбор стоит проверить на одном рабочем сценарии.
AI-агенты7 мин чтенияКак проверить качество RAG перед запуском
Проверяйте RAG на вопросах, которые люди уже задают вашим документам. Для каждого вопроса заранее укажите правильный источник, допустимый ответ и случаи, когда система должна отказаться. Затем измерьте поиск и ответ отдельно. Так видно, что исправлять: данные, поиск или модель.
RAG и база знаний12 мин чтенияПлатформы для AI-агентов 2026: что выбрать бизнесу
Одиннадцать платформ, за что каждая берёт деньги, где у неё потолок и что из этого работает из России. Все цифры — с публичных страниц вендоров, проверены 6 сентября 2026, с указанием источника. Без рейтингов и «топ-10»: выбор зависит от того, что вы строите, а не от места в списке.
AI-агенты10 мин чтенияn8n или своя разработка: где проходит граница
n8n закрывает больше задач, чем принято думать, и мы сами регулярно советуем начать с него. Но у конструктора есть граница, и проходит она не по сложности сценария, а по цене ошибки, конкурентности и правам доступа. Разбираем, как считать заранее и в какой момент дешевле написать код.
Автоматизация процессов9 мин чтенияГотовый чат-бот или свой: считаем стоимость владения
Коробочный бот запускается за неделю и выглядит дешевле в десять раз. Разница появляется не в первый месяц, а там, где бот должен посмотреть в вашу систему, ответить по вашим документам и честно передать человеку. Разбираем, из чего складывается счёт на два года и как выбрать, не переплатив ни в одну сторону.
AI-чат-боты9 мин чтенияНарезка документов для RAG: почему чанки важнее модели
Плохой ответ RAG-системы почти всегда родом не из модели, а из нарезки. Разбираем, как резать регламенты, договоры, PDF-сканы и тикеты поддержки, что ломается на корпусе из десятков тысяч длинных документов и как понять, что виновата именно нарезка.
RAG и база знаний8 мин чтенияКак обновлять базу знаний RAG, не останавливая систему
Демо живёт на статичном корпусе, продакшн — на меняющемся. Разбираем инкрементальное обновление вместо полной переиндексации, подмену индекса без рестарта, удаление документов и то, какие метрики показывают деградацию поиска раньше, чем о ней сообщат пользователи.
RAG и база знаний9 мин чтенияКак создать ИИ-агента: что нужно кроме промпта
Промпт и модель — меньшая часть работы. Агент становится рабочим, когда у него есть инструменты, границы полномочий, состояние, журнал и контроль стоимости. Разбираем по шагам, из чего он собран, как довести его до production и где он ломается.
AI-агенты8 мин чтенияЧто такое RAG и когда он нужен бизнесу
RAG — это ответы модели по вашим документам, а не по интернету, с видимым источником под каждым утверждением. Разбираем, из чего он состоит, где теряется качество на нарезке и обновлении, как считать, что он работает, и когда он не нужен.
RAG и база знаний