Главное про AI - Вадим Жартун

ИЕРАРХИЯ АБСТРАКЦИЙ: ОТ ПРОМПТА К НАВЫКУ И ВОРКФЛОУ

Один промпт покрывает одну задачу. Навык (skill) покрывает класс задач, которые вызываются из разных контекстов. Воркфлоу (workflow) покрывает многошаговый процесс, где результат одного шага — вход для следующего. Это иерархия. И она определяет, на каком уровне писать инструкцию.

ПРОМПТ КАК РАЗОВЫЙ ЗАПРОС ДЛЯ ЕДИНИЧНОГО СЛУЧАЯ

Промпт — это минимальная единица работы с моделью: один запрос, один ответ, ноль состояния между запросами. Anthropic в документации по Agent Skills (октябрь 2025) явно разделяет промпты и навыки: в отличие от промптов, которые представляют собой инструкции уровня диалога для разовых задач, навыки (Skills) загружаются по требованию и устраняют необходимость повторно передавать одни и те же указания в нескольких диалогах.

Промпт — это для ситуации, когда задача случилась один раз или редко, и нет смысла оформлять её как переиспользуемый артефакт. Написать письмо клиенту с извинениями — это промпт. Сделать шаблон для таких писем — это навык. Сделать конвейер, который по событию в CRM сам генерирует письмо, отправляет на согласование, логирует — это воркфлоу.

Один мой клиент, руководитель отдела продаж, в какой-то момент решил «автоматизировать» ответы на входящие запросы и потратил две недели на воркфлоу для задачи, которая случалась три раза в месяц. Через месяц воркфлоу сломался, чинить было некому, и клиент вернулся к промпту, который работал. Иерархия — это про зрелость задачи, а не про «сначала автоматизируем, потом подумаем». Преждевременная автоматизация — это техдолг в чистом виде, плюс проклятие «теперь это надо поддерживать».

НАВЫК КАК ПЕРЕИСПОЛЬЗУЕМАЯ ПРОЦЕДУРА, А НЕ ДЛИННЫЙ ПРОМПТ

Skill в терминологии Anthropic (октябрь 2025) — это папка инструкций, скриптов и ресурсов, которые Claude загружает динамически для повышения качества работы на специализированных задачах. Анатомия навыка: директория с SKILL.md (обязательный файл), YAML frontmatter с полями name и description (обязательные метаданные), и опциональные бандл-файлы — другие markdown-документы, Python-скрипты, шаблоны.

Ключевой принцип — progressive disclosure (постепенное раскрытие). На старте в системный промпт загружаются только метаданные (около 100 токенов на навык). Когда модель понимает, что навык релевантен, она подгружает тело SKILL.md (до 5K токенов), а дальше — отдельные файлы, которые могут быть «эффективно неограничены» по размеру, потому что скрипты выполняются, а не читаются. Сначала модель видит лишь краткое описание навыка, и только когда навык ей реально нужен по контексту запроса, она подгружает полное тело инструкции и сопутствующие файлы.

В офисной практике это значит вот что. Навык — это директория с инструкцией, примерами, скриптами и шаблонами, которая «включается» в работу, когда модель видит соответствующий триггер. Например, навык «чек корпоративного договора» — это директория с инструкцией, чек-листом рисков, примерами типовых пунктов, скриптом, который вытаскивает реквизиты из PDF. При запросе «проверь этот договор» модель «включает» навык, читает только нужные файлы и возвращает структурированный результат. Это радикально отличается от промпта, в котором всё в одном большом тексте.

ВОРКФЛОУ КАК ЦЕПОЧКА ШАГОВ С МОДЕЛЬЮ В РОЛИ ЭЛЕМЕНТА

Воркфлоу — это автоматизированная последовательность шагов, в которой модель может быть одним из шагов, но не единственным. LangChain (популярный открытый фреймворк для построения приложений на основе LLM) в блоге «How to think about agent frameworks» (апрель 2025) разделяет workflows и agents: в workflow LLM-компонент контролирует процесс меньше, поток более детерминированный. И OpenAI, и Anthropic прямо говорят, что агенты нужны не всегда — воркфлоу часто проще, надёжнее, дешевле, быстрее и производительнее.

Воркфлоу — это когда вы заранее знаете последовательность шагов и можете предсказать, что произойдёт. Агент — это когда модель сама решает, какие шаги предпринять, и предсказать результат заранее нельзя. Большинство «агентных систем» в продакшене — это комбинация: воркфлоу с вкраплениями агента на тех шагах, где нужна модель, и с детерминированным кодом на тех шагах, где он достаточен.

Типичный офисный воркфлоу: «пришло письмо в CRM → классификатор (LLM) определил тип → если тип „счёт”, вызвать скрипт для проверки реквизитов → если реквизиты ок, отправить на согласование бухгалтеру → если согласовано, сформировать платёжное поручение → залогировать». Модель здесь — один шаг, а не центр вселенной. И когда клиент спрашивает «а что если модель ошибётся в классификаторе», правильный ответ — «у нас на этом шаге есть fallback: если уверенность ниже 80%, передаём оператору». Воркфлоу живёт за счёт того, что у каждого шага есть предсказуемый результат и понятный путь отказа.

KLARNA: МЕТРИКА БЕЗ ЧЕЛОВЕКА МАСКИРУЕТ ДЕГРАДАЦИЮ СЕРВИСА

В феврале 2024 года Klarna запустила AI-ассистента на базе OpenAI для поддержки клиентов. Этот кейс подробно разбирался в одной из предыдущих глав — как пример того, что AI замещает задачу, но не функцию, и как пример корпоративной автоматизации с сильным инфраструктурным риском. Здесь мы возвращаемся к нему под другим углом.

Заявленная цель — заменить 700 операторов. Первые месяцы: ассистент обработал 2,3 миллиона разговоров, время разрешения упало с 11 до 2 минут, Klarna отчиталась о $40 миллионах дополнительной прибыли в 2024 году. К маю 2025 года компания признала, что качество упало, и начала возвращать людей. Сейчас Klarna снова нанимает операторов и снижает долю AI-обработки.

Здесь важен один урок про иерархию абстракций. Klarna попыталась перевести задачу «ответить клиенту на вопрос по счёту» с уровня «промпт» сразу на уровень «полная автоматизация» (воркфлоу без человека в контуре), минуя промежуточный уровень «навык с человеком-в-контуре как fallback». По публичной хронологии и интервью CEO это читается как разумная интерпретация случившегося: компания встала на самую радикальную точку шкалы автоматизации, не проверив систему на угловых случаях, и угловые случаи её догнали.

Правильная архитектура была бы: «AI-агент берёт 70% типовых вопросов, оператор-человек берёт 30%, в том числе все случаи, где модель не уверена». Вот она, иерархия: промпт для разовых, навык для повторяемых с человеком в контуре, воркфлоу для повторяемых без человека в контуре. Переход между уровнями должен быть явным, а не «автоматизируем всё и посмотрим, что получится».

СИГНАЛ ДЛЯ ПЕРЕХОДА НА СЛЕДУЮЩИЙ УРОВЕНЬ ИЕРАРХИИ

Anthropic в гайде по Agent Skills формулирует прямо: начните с оценки. Выявите конкретные пробелы в возможностях ваших агентов, запуская их на репрезентативных задачах и наблюдая, где они испытывают трудности. Создавайте навыки поэтапно, чтобы закрыть эти пробелы. Навык появляется тогда, когда в работе агента (или человека, использующего модель) появляется повторяющийся провальный случай, который можно закрыть переиспользуемой инструкцией. Не раньше.

Shopify прошли эту траекторию: 0–20 инструментов — простой системный промпт, 20–50 — начали выделять блоки, 50+ — перешли