AI Knowledge Base

Для начинающих

🧭 Дорожная карта новичка: от понимания ИИ к агентным системам

Abstract

Этот материал выстраивает практичный путь освоения ИИ в правильной последовательности: сначала понять базу, затем набить руку на промптах, дальше перейти в Cursor/Cloud Code и навыки, потом автоматизировать задачи в полу-ручном режиме, и только после этого идти в долгие автономные агентские запуски.

🎯 Что на выходе

  • Ты понимаешь, что такое LLM и где ее границы.
  • У тебя есть рабочие промпты и базовый набор навыков (skills) под свои задачи.
  • Ты умеешь запускать автоматизацию с человеком как инициатором.
  • Ты готов к этапу, где агент уходит выполнять крупную задачу надолго.

1) Понять, что это вообще такое

Без этого шага любой “магический” результат в чате будет казаться умнее, чем он есть на самом деле.

Сделай:

Проверь результат:

  • Ты можешь объяснить простыми словами, как LLM формирует ответ.
  • Ты понимаешь, почему ответы нужно проверять на факты.

Типичная ошибка:

  • Перепутать “приятный текст” с “достоверной информацией”.

2) Поиграть с запросами и промптами

На этом этапе цель не в идеальном результате, а в “мышечной памяти” постановки задач.

Сделай:

  • Открой Prompt Lab.
  • Прогони 3-5 вариаций одного запроса: короткий, структурированный, с ролью, с критериями качества.
  • Примени Извлечение и Атомизация к одному своему тексту.

Проверь результат:

  • Ты видишь, какие элементы промпта реально улучшают ответ.
  • Из длинного текста получается структурная заметка, пригодная для базы.

Типичная ошибка:

  • Каждый раз писать “с нуля” и не собирать удачные шаблоны промптов.

3) Сразу перейти в Cursor/Cloud Code и начать писать навыки

После базовых промптов лучше быстро перейти к инструментам, где ИИ работает уже как часть процесса разработки и знаний.

Первый запуск за 10 минут

Можно просто начать без сложной настройки: скачал Cursor или Antigravity, сделал первый skill и сразу проверил на маленькой задаче.

Сделай:

  1. Установи Cursor или Antigravity и открой корень рабочей папки.
  2. Создай один простой skill под повторяемую задачу (например: “сжать текст в 5 буллетов”) по шаблону ниже и сразу укажи правильную файловую структуру.
  3. Скопируй промпт, вставь в агент и попроси сгенерировать SKILL.md без лишней “магии”.
  4. Сразу проверь skill на коротком тестовом запросе и получи конкретный артефакт (черновик, список, заметку).

Промпт для копирования (чтобы skill получался ровным): Перед запуском замени все значения в квадратных скобках [ ... ] на свои.

Создай минимальный и рабочий skill-файл SKILL.md.
 
Контекст:
- Название навыка: [впиши имя навыка]
- Цель: [впиши 1 фразу, какую задачу решает]
- Вход: [впиши, какие данные получает]
- Выход: [впиши, какой результат должен вернуть]
- Ограничения: [впиши, что нельзя делать]
 
Требования к результату:
1) Верни только содержимое SKILL.md в markdown.
2) Путь для файла строго: .skills/[впиши-skill-name]/SKILL.md
3) Если папки .skills/[впиши-skill-name] нет - сначала создай ее, потом положи туда SKILL.md
2) Структура строго такая:
   - name
   - description
   - when_to_use
   - input_format
   - output_format
   - rules
   - steps
   - quality_check
4) Пиши коротко и конкретно, без общих фраз.
5) В steps дай 4-6 шагов, которые можно выполнить на практике.
6) В quality_check добавь чеклист из 3-5 пунктов.
7) Не добавляй ничего вне файла: никаких комментариев, пояснений и "дополнительно можно".

Проверь результат:

  • На входе у skill понятная задача, на выходе - предсказуемый формат.
  • Результат можно сразу использовать в работе без долгой ручной переделки.
  • В SKILL.md нет расплывчатых пунктов вроде “действуй по ситуации”.
  • Файл лежит строго в .skills/<skill-name>/SKILL.md, без альтернативных путей.

Типичная ошибка:

  • Просить “сделай мне skill” без фиксированной структуры и критериев качества.

Сделай:

  • Установи и настрой рабочую среду: Cursor и/или Cloud Code.
  • Посмотри структуру навыков в Skills Index и Концепция AI Skills.
  • Создай 1-2 простых навыка под повторяемые задачи (например: “сжать статью”, “подготовить черновик заметки”).
  • Начни с интерфейсного уровня: чёткий вход, ожидаемый выход, проверка результата.

Проверь результат:

  • У тебя есть минимум один рабочий skill, который реально экономит время.
  • Ты можешь объяснить, когда вызывать этот skill, а когда делать задачу вручную.

Типичная ошибка:

  • Уходить в сложную архитектуру до того, как заработал хотя бы один простой навык.

4) Автоматизировать в ручном режиме (человек — инициатор)

Это основной рабочий режим для большинства задач: ты запускаешь процесс, ИИ делает существенную часть работы, ты принимаешь итог.

Сделай:

  1. Выбери один сценарий с явным стартом от человека (например: “разобрать материал и сохранить в базу”).
  2. Разбей его на шаги: ввод -> обработка -> проверка -> сохранение.
  3. Подключи навыки и промпты к каждому шагу.
  4. Добавь правило безопасности данных через Локальный ИИ и при необходимости Ollama.

Проверь результат:

  • Ты стабильно получаешь повторяемый результат в одном и том же пайплайне.
  • В каждом запуске есть точка контроля перед публикацией/сохранением.

Типичная ошибка:

  • Называть это “автономным агентом”, хотя по факту всё еще нет стабильного пайплайна и контроля качества.

5) Последний этап: агентные системы для больших задач

Сюда стоит идти, когда предыдущие этапы уже работают без хаоса.

Сделай:

  • Изучи Агентные системы и Анатомия Агента.
  • Начни с задач, где допустим долгий асинхронный цикл: “собери материалы”, “подготовь черновую структуру”, “пройди по источникам”.
  • Формализуй критерии приемки: что считается “готово”, где агент должен остановиться и запросить подтверждение.

Проверь результат:

  • Агент может надолго уйти в работу и вернуться с проверяемым артефактом.
  • Ты не теряешь контроль: у процесса есть границы, правила и критерии качества.

Типичная ошибка:

  • Давать агенту большую задачу без чётких ограничений, контекста и выходного формата.

📅 План внедрения (2 недели)

  • Дни 1-3: этап 1 (понимание модели и ограничений).
  • Дни 4-6: этап 2 (промпты и шаблоны).
  • Дни 7-9: этап 3 (Cursor/Cloud Code и первые skills).
  • Дни 10-12: этап 4 (полу-ручная автоматизация с контролем).
  • Дни 13-14: этап 5 (первый агентный сценарий на большой задаче).

✅ Чеклист готовности к следующему уровню

  • Я понимаю, как и почему модель ошибается.
  • У меня есть рабочие промпты, а не разовые запросы.
  • У меня есть хотя бы 1-2 повторно используемых навыка.
  • Я умею запускать автоматизацию в режиме “человек инициирует -> ИИ выполняет -> человек принимает”.
  • Я готов отдавать агенту длинные задачи только с четкими критериями результата.

🔗 Связи

Вид графа

Обратные ссылки