Связка ИИ-агентов: пять моделей в одном боте
Коротко: связка агентов это конвейер, где каждая модель делает одну маленькую работу и передаёт результат дальше. Один чистит расшифровку, второй решает, хватает ли материала, третий пишет текст, четвёртый переписывает один кусок, если он не понравился.
И главное, что я понял, собрав несколько таких связок: между агентами стоят не агенты. Там стоит обычный код, который разбирает ответ модели, проверяет его и кладёт в состояние, а человек в паре мест нажимает кнопку.
У меня такая связка работает в боте, который собирает карусели для соцсетей: 46 узлов на холсте, пять агентов, все на одной модели gpt-4.1-mini. Ниже я её разберу, покажу вторую связку из разбора встреч и скажу, где обе рвались. Про сам n8n, если вы с ним ещё не работали, у меня есть отдельный разбор.
Пять агентов, и у каждого одна работа
Вот что делает каждый из них в карусельном боте.
Чистильщик расшифровки. Я надиктовываю идею голосовым, оно уходит в расшифровку, и дальше первый агент приводит её в читаемый вид. В системном сообщении у него написано прямым текстом: исправляй пунктуацию, орфографию и явные артефакты распознавания, но не добавляй новых идей. Это вся его работа.
Сборщик брифа. Он смотрит на то, что я наговорил, и решает одно: хватает
материала или нет. Если хватает, он возвращает status: "ready", а если нет -
status: "ask_questions" и три-пять коротких вопросов, которые бот тут же
задаёт мне в чат. Для кого карусель, в чём конфликт, что за личный случай.
Писатель слайдов. Получает собранный бриф и нужное число слайдов и возвращает массив из заголовков и текстов. Первый слайд - хук, последний - вывод, в середине развитие мысли, текст по два-четыре предложения без списков.
Переписыватель. Отдельный агент на одну задачу: пересобрать один слайд, который я не утвердил, и не поломать остальные. Ему на вход идут бриф, уже утверждённые слайды и текущий вариант того самого слайда.
Разборщик готового сценария. Это вход для случая, когда карусель уже написана руками и нужно только разложить её по слайдам. У него самый строгий промпт из всех: нельзя придумывать новые фразы, выгоды и призывы, можно только аккуратно разложить то, что есть.
Заметьте, ни один из них не знает про остальных. Каждый получает текст, отдаёт текст и на этом заканчивается.
Между агентами стоит обычный код
И вот это главная часть работы, про которую обычно не рассказывают.
Модель возвращает текст. Даже когда вы десять раз написали «верни только валидный JSON без markdown и пояснений», она иногда вернёт его в тройных кавычках, иногда добавит строчку «вот ваш результат», а иногда всё сделает правильно. Поэтому сразу после каждого агента у меня стоит блок кода с одной и той же функцией разбора.
Она срезает ```json в начале и тройные кавычки в конце, пробует разобрать
то, что осталось. Не вышло - ищет первую открывающую фигурную скобку и
последнюю закрывающую и пробует кусок между ними. А не вышло и это - падает с
Could not parse AI JSON response, и я вижу красную строку в запусках вместо
тишины.
Дальше тот же код складывает разобранное в состояние воркфлоу. Там лежит сессия на каждый чат: бриф, слайды, какой слайд сейчас утверждается, выбранный фон. Сессии живут семь дней и потом чистятся сами. Отдельно лежит список уже обработанных нажатий на кнопки со сроком в сутки, и он закрывает дырку, которая иначе всплывает на второй день: человек жмёт «Далее» дважды, а телеграм честно присылает два одинаковых события.
Если посчитать по холсту, пропорция такая: пять агентов, четырнадцать блоков кода, шесть ветвлений, четырнадцать отправок в телеграм и четыре места, где связка останавливается и ждёт, пока я нажму кнопку. Моделей тут десятая часть от всего.
И чтобы было видно, о какой доле речь, вот холст другой моей связки, в которой моделей нет совсем.
Проверяет чаще человек, чем вторая модель
В красивой схеме «один собрал, второй проверил» проверяющим обычно рисуют второго агента. У меня проверяют двое, и оба дешевле модели.
Код проверяет форму. Пришёл разбираемый JSON, есть ли в нём нужные поля, то ли число слайдов, которое просили. Это копейки по времени и ноль по деньгам.
Человек проверяет смысл. Бот присылает слайд за слайдом, под каждым две кнопки: «Утвердить» и «Переписать». Нажал «Переписать» - просыпается четвёртый агент и пересобирает только этот слайд. Нажал «Утвердить» - бот двигается дальше. И пока я не прошёл все слайды, ни одна картинка не рисуется.
Почему у меня там не стоит вторая модель. Чтобы проверка работала, ей нужен жёсткий критерий, и как только такой критерий у вас сформулирован, он почти всегда записывается кодом. Критерия нет - вторая модель будет возвращать общие вежливые замечания, за которые вы ещё и платите вызовом.
Есть и третий проверяющий, совсем тупой. Указатель текущего слайда двигается вперёд только после того, как картинка реально отрисовалась и ушла в чат. Если рендер упал на пятом слайде, повторное «Далее» повторит пятый, а не перескочит на шестой. Без этой проверки отказ рендера выглядел бы как молча пропавший слайд в готовой карусели, и заметил бы я его уже в соцсети.
Два агента на одной расшифровке
Вторая связка у меня разбирает рабочие встречи, и там агентов три, причём двое из них читают один и тот же текст.
Устроено так. В папку на Google Drive падает запись встречи, связка её ловит, проверяет по своему списку, что этот файл ещё не разбирали, и качает. Дальше ffmpeg выдёргивает звук в моно 16 килогерц на 32 килобитах и режет его на куски по двадцать минут. Куски уходят в расшифровку по очереди, их текст склеивается - и вот тут начинается интересное.
Первый агент делает из расшифровки executive summary: цель встречи, решения, спорные места, задачи по владельцам, блоки с таймкодами. Второй читает ровно ту же расшифровку и достаёт из неё только мои личные задачи, потому что в общей сводке они тонут среди чужих.
И у обоих в промпте стоит одна и та же оговорка, без которой такие связки
врать начинают на второй неделе. Не выдумывать решения, сроки и роли, если они
не следуют из текста. Срок не назван - писать «не зафиксирован». Владелец
непонятен - писать owner not explicit. Задача неявная - ставить
status: unclear. Вот без этих трёх оговорок модель охотно допишет и срок, и
владельца, которых на встрече никто не называл: пустое поле в сводке выглядит
беднее заполненного.
Где это рвалось
Четыре поломки, которые стоили мне вечеров.
Агент вернул пустую строку, а деньги списались. Это было в третьей связке,
которая рисует картинки через OpenRouter. Узел агента отработал без ошибки и
отдал { "output": "" }, картинки в ответе не оказалось вовсе, а в счёте
генерация была. Оказалось, обёртка агента просто не умеет доставать картинку из
ответа и отдаёт дальше пустой текст. И вылечилось это отказом от агента:
обычный HTTP-запрос к тому же адресу, и картинку я достаю из ответа сам.
Файл ещё не долежал. Google Drive отдаёт событие о новом файле раньше, чем
файл дописан до конца, и ffmpeg на нём падает. Теперь в команде три попытки с
паузой в 45 секунд, и в журнал пишется честное
ffmpeg extract attempt 1 failed; waiting for Google Drive finalization.
Лимит на рендере. Сервис, который превращает слайд в картинку, на бесплатном плане считает запросы в минуту, а я кликал «Далее» быстрее. Между нажатием и рендером теперь стоит ожидание в 11 секунд. И да, некрасиво, зато слайды доезжают все.
Связка падала молча. Самое неприятное. Раньше, когда ломался ffmpeg или агент, запуск просто обрывался, и я узнавал об этом через день по отсутствию сводки. Теперь у обоих узлов включён выход по ошибке, и он ведёт в отдельную ветку: она собирает, какой файл не разобрался и с какой ошибкой, и присылает мне это в чат ссылкой «повторить». Ссылка дёргает тот же воркфлоу с начала.
То же самое я сделал и на записи в таблицу: пять попыток с паузой в пять секунд, а если и они не прошли - сообщение в чат вместо тихой остановки. Правило простое: у каждого узла, который ходит наружу, должен быть ответ на вопрос «а если не ответят».
Когда связка из агентов не нужна
Честно: в большинстве случаев.
Когда задача одна. Если вы просите модель сделать одну вещь и она её делает, второй агент добавит только задержку и ещё одно место, где всё развалится. Пять агентов в карусельном боте росли по одному, и каждый добавлялся в тот момент, когда старый промпт переставал справляться: сначала был писатель слайдов, потом к нему приехал переписыватель, потом отдельный разборщик готового сценария.
Когда критерий можно записать. Проверка «не больше семи слайдов», «все поля на месте», «сумма сходится» - это три строки кода, они работают мгновенно и всегда одинаково. А отдавать такое второй модели и дорого, и ненадёжно.
Когда вы ещё не собрали ни одной связки. Вот самая короткая рабочая связка на моём сервере: два узла, вебхук и запрос, включает кондиционер с часов. Моделей в ней нет вообще, и она приносит мне пользы больше, чем половина сложных.
Когда никто не нажмёт кнопку. Связка с человеком в середине живёт, пока человек рядом. Если вы хотите, чтобы она работала ночью и сама, то утверждение придётся или убрать, или заменить на правило, и готовьтесь, что качество просядет.
n8n на своём сервере: от пустой машины до работающих автоматизаций
Ставим n8n в докере на свой сервер и собираем первые воркфлоу: запись созвона в конспект, бот, который не шлёт дубли, и падения, которые видно сразу.
Этот путь я прошёл сам. Можем встретиться и собрать такое у вас: вы уходите не с записью урока, а с работающей системой и пониманием, как она устроена.
С чего начинать, зависит от того, что у вас уже есть. Что-то стоит и не заводится - разберём только это. Нет ничего - начнём с нуля. Поэтому цену называю после короткого разговора.
Написать в телеграмНапишите в бота, что у вас уже есть и что хотите собрать. Сообщение придёт мне лично, дальше договоримся о времени и оплате. Что можно разобрать по этой теме
Пишу про свои автоматизации в телеграм-канале: короткие заметки по ходу работы, без расписания и без рекламы.
Читать каналЕсли нужна не инструкция, а готовое решение под ваш бизнес - напишите мне, обсудим задачу.