Архитектура ИИ-агента: схема и шесть слоёв
Схема ИИ-агента по слоям: канал, контекст, модель с инструкцией, знания, функции и контроль. Что за что отвечает и где искать поломку в кабинете Савви.
Архитектура ИИ-агента — это шесть слоёв: канал принимает сообщение, контекст собирает историю, модель с инструкцией решает, что ответить, знания и функции дают факты и действия, контроль проверяет ответ перед отправкой клиенту. У каждого слоя свой признак поломки и свой раздел кабинета Савви.
Щиток в квартире устроен просто: каждая линия подписана, и когда на кухне гаснет свет, вы идёте к автомату «Кухня», а не выкручиваете лампочки по всему дому. С агентом так же. Пока схема живёт в голове того, кто его собрал, любая странность в ответе превращается в переписывание инструкции наугад.
Архитектура ИИ-агента — это схема того, из каких слоёв он собран и в каком порядке сообщение клиента проходит их от канала до ответа.
Из чего состоит ИИ-агент и как слои соединены
ИИ-агент состоит из шести слоёв, через которые проходит каждое сообщение клиента: канал, контекст, модель с инструкцией, знания, инструменты и контроль. Если нужно базовое определение, начните с того, что такое ИИ-агент; здесь разбираем то, что с чем соединено.
Сообщение входит слева и выходит ответом справа. Знания и инструменты вызываются по ходу, когда модель решает, что ей нужен факт или действие:
Слои независимы: модель меняется переключателем, база знаний пополняется без правки инструкции, канал добавляется без смены остального. Поэтому поломку можно локализовать — найти слой, а не гадать по всему агенту. Слабый слой снаружи выглядит одинаково: клиент получил плохой ответ.
За что отвечает каждый слой и где он живёт в кабинете
Каждому слою соответствует свой раздел кабинета Савви и свой типичный симптом. Схема ниже работает как подпись на щитке: у каждого слоя виден симптом и автомат.
Принимает сообщение, отдаёт ответ и показывает его в нужном месте.
- За что отвечает
- Приём сообщения и выдача ответа
- Признак слабого слоя
- Сообщение пришло, а ответа в канале нет; ночью агент молчит
- Где в кабинете
- Подключение канала; «Доп.настройки» → «Рабочее время», «Нераспознанные сообщения»
Что агент видит из прошлых реплик и что знает о клиенте.
- За что отвечает
- История реплик и пользовательские переменные
- Признак слабого слоя
- Переспрашивает уже названное; тащит в ответ старое
- Где в кабинете
- «Доп.настройки» → «История сообщений (контекст)», «Пользовательские переменные»
Решает, что ответить, и следует правилам роли.
- За что отвечает
- Выбор ответа и следование роли
- Признак слабого слоя
- Сбивается с тона, путает порядок вопросов, игнорирует правило
- Где в кабинете
- «Доп.настройки» → «Параметры LLM» → «Языковая модель»; поле системной инструкции
Цены, условия и регламенты, на которые агент опирается в ответе.
- За что отвечает
- Факты компании: цены, условия, регламенты
- Признак слабого слоя
- Отвечает общими словами или выдумывает цифры
- Где в кабинете
- Раздел базы знаний: «Быстрые ответы», «Документы», «Таблицы»
Запись, заявка, запрос в таблицу, вебхук.
- За что отвечает
- Действия: запись, заявка, запрос в таблицу, вебхук
- Признак слабого слоя
- Обещает «записал», а записи нет; функция не вызвана
- Где в кабинете
- Раздел «Функции»: «Таблицы» и «Действия»
Перепроверяет готовый ответ до отправки клиенту.
- За что отвечает
- Перепроверка ответа и остановка опасного
- Признак слабого слоя
- Цена или скидка ушла клиенту без источника
- Где в кабинете
- «Контроль поведения» в верхней части инструкции
Инструкция имеет приоритет над базой знаний: при противоречии агент идёт за инструкцией. Разделы такой инструкции удобно писать по схеме системного промпта, а на слое знаний решают пороги поиска по базе знаний.
Что агент помнит: память внутри диалога и между обращениями
Внутри диалога агент помнит ровно столько реплик, сколько вы передаёте в модель, а между обращениями помнит то, что записано в пользовательские переменные, и историю в пределах срока хранения переписки. Это упрощает диагностику: следы памяти ищут в двух местах.
Внутри диалога. В «Доп.настройках», в разделе «История сообщений (контекст)», четыре режима:
- «Не передавать историю» — режим вопрос-ответ, каждое сообщение читается само по себе;
- «Передавать всю историю» — модель видит диалог целиком, понимает контекст лучше, но тратит больше токенов;
- «Передавать историю за Х сообщений» — только последние реплики заданного числа;
- «Передавать историю за Х минут» — только то, что сказано за отрезок времени.
Руководство отдельно предупреждает: полная история иногда ухудшает понимание. Клиент записывается на услугу раз в месяц и задаёт похожие вопросы, а агент подтягивает прошлый цикл. Для таких случаев советуют ограничивать контекст по времени. Кнопка «Очистить контекст» в разделе «История» сбрасывает накопленное в конкретном диалоге.
Между обращениями. Пользовательские переменные бывают фиксированными (с типом и проверкой формата) и динамическими. Динамическую агент заполняет сам, когда в инструкции стоит строка вроде «Передай эту информацию в функцию memorize». Переменные сокращают контекст и экономят токены, а для динамических есть отдельная опция: очищать их при очистке контекста. Срок хранения самой переписки по умолчанию 45 дней, он меняется в «Безопасность» → «Хранение данных». Клиент, который вернулся через месяц, — отдельный случай: для него настраивают повторные обращения.
Что делает слой контроля, и когда он нужен
Контроль поведения перепроверяет готовый ответ до отправки клиенту и нужен там, где ошибка стоит денег или лояльности: цены, телефоны, скидки, подтверждения. Он включается в верхней части инструкции и состоит из трёх механизмов.
LLM-барьеры добавляют проверку перед отправкой. Готовые барьеры — «Числа только из источников» и «Контроль скидки». При срабатывании ответ перегенерируется по вашей подсказке или заменяется фиксированным текстом, а когда попытки закончились, клиент получает запасную фразу, менеджеру уходит уведомление или диалог останавливается.
Контроль фактов включается флагом «Отвечать на вопросы только по базе знаний». Обычный режим проверяет ключевые факты, строгий срабатывает на любое утверждение, по которому не было обращения в базу. В поле «Если ответа нет в базе знаний» вы задаёте фразу для клиента.
Контроль действий ловит ситуацию, когда агент подтверждает запись, но функцию не вызывал. К контролю примыкает передача человеку: «Условия прерывания диалога» и «Условия возобновления диалога» («Время возвращения управления агенту в минутах») лежат в «Доп.настройках».
Как слои работают на одном сообщении и где искать поломку
На одном сообщении слои включаются по очереди, и порядок полезно знать наизусть. Клиент спрашивает в виджете: «Сколько стоит замена масла на Camry и можно в субботу?»
- Канал принимает текст и передаёт его агенту, если сейчас рабочее время.
- Контекст добавляет историю по выбранному режиму и значения переменных.
- Модель читает инструкцию и решает, что ей нужен прайс.
- Знания возвращают нужные фрагменты, функция проверяет свободные слоты в субботу.
- Модель собирает ответ.
- Контроль проверяет, что цена взята из источника, а запись подтверждается вызовом функции.
Каждый шаг тарифицируется токенами: 1000 токенов равны 1 ₽. Чем длиннее история и инструкция, тем дороже каждый ответ. Это ещё одна причина держать слои тонкими — короткая инструкция и ограниченная история дешевле в каждом диалоге.
Для одной функции действует лимит 10 вызовов за диалог. Если сценарию нужно много независимых вызовов, в «Параметрах ответа» есть «Лимит параллельного вызова функций»: функции уходят параллельно в одном обращении к модели, и диалог получается дешевле.
Когда ответ пошёл не туда, поломку ищут в обратном порядке, от ответа к каналу, потому что последний слой даёт самый точный след. Тестовый чат показывает, какие функции вызвал агент, а флаг «Отображать стоимость диалога в тестовом чате» помогает увидеть, где разросся контекст.
Разложите свой агент по шести слоям за один вечер
Разложите на листе схему из шести слоёв и впишите в каждый свои значения: какой канал подключён, какой режим истории выбран, какая модель стоит, сколько файлов в базе знаний, какие функции подключены и какие барьеры включены. Пустая клетка — место, где поломка случится первой.
Затем возьмите пять реальных диалогов, где агент ответил плохо, и подпишите каждому слой-виновник по порядку из предыдущего раздела. Через час вы увидите закономерность — три из пяти упираются в один и тот же автомат. Исправляйте его, а остальные слои не трогайте. Когда разбор готов, соберите такого агента в Савви и проверьте каждый слой на тестовом диалоге. Если схема агента ещё не продумана, начните с проектирования агента до первой строки инструкции.
Частые вопросы
Из каких частей состоит архитектура ИИ-агента
Из шести слоёв: канал, контекст и память, модель с инструкцией, знания, инструменты и контроль. Канал принимает сообщение, контекст собирает историю, модель по инструкции решает, что ответить, знания и функции дают факты и действия, контроль проверяет ответ перед отправкой.
Где у ИИ-агента хранится память
Внутри диалога память держит история сообщений, ее объем настраивается в «Доп.настройках». Между обращениями агент помнит то, что записано в пользовательские переменные (динамические он заполняет через функцию memorize), и историю в пределах срока хранения переписки.
Чем модель отличается от агента
Модель только генерирует текст. Агентом ее делают инструкция, знания, функции, канал и контроль. Поэтому модель можно сменить в «Параметрах LLM», не пересобирая остальные слои: инструкция, база знаний и подключенные каналы остаются прежними.
Как понять, какой слой ломается
Идите от ответа назад: сначала что ушло клиенту и что показал контроль, затем вызовы функций, найденные фрагменты базы знаний, инструкция и история. Тестовый чат с включенным отображением стоимости диалога показывает, на каком шаге агент свернул не туда.
Нужен ли контроль, если инструкция написана хорошо
Нужен там, где ошибка дорого стоит: цены, телефоны, скидки, подтверждение записи. Инструкция задает намерение, а контроль поведения перепроверяет готовый ответ: LLM-барьеры, контроль фактов по базе знаний и контроль действий.
Сколько стоит работа всех слоев
Платформа списывает токены: 1000 токенов равны 1 ₽, диалог обходится около 15 ₽. В счет попадают сообщение клиента, инструкция, история, заголовки файлов базы знаний, описания функций и ответ, поэтому лишний слой контекста прямо увеличивает стоимость.
Хотите сразу к продукту: Разработка чат-ботов для бизнеса
Читайте дальше
Все статьи темы →
Проектирование ИИ-агента до первой строки инструкции
Из каких частей собирается ИИ-агент (инструкция, база знаний, функции, второй агент, переменные) и как разложить по ним задачу до открытия поля инструкции.
Системный промпт: что это и как он устроен
Системный промпт — инструкция, которая исполняется в каждом диалоге агента. Разбираем разделы инструкции, настройку «Случайность» и лимит токенов в Савви.
Как работают ИИ-агенты: что происходит за одно сообщение
Путь одного сообщения от клиента до ответа: сборка контекста, вызов функции, смысловой поиск по базе знаний, ограничения по токенам и вызовам. Как это увидеть на своих данных.