Из чего собран AI-агент, который заказывает мне продукты и управляет умным домом

Время 5 утра: кошка голодная носится по квартире. Немного рутины после пробуждения: открыть шторы, покормить кошку, убрать за ней лоток и поскорее бы включить кондиционер, ведь за окном лето и на улице +30.

Однажды я сел и посчитал: 15 минут рутины каждое утро это примерно 7,5 часов в месяц и 90 часов в год. Раз в неделю добавляется поездка за продуктами: нужно собраться, доехать, постоять в пробке, выбрать, оплатить, поднять пакеты, держим еще +1,5-2 часа в неделю и это дает еще +96 часов в год.

Представьте, вы решили отстреляться и сразу выполнить всю рутину за год. Тогда вам придется на протяжении месяца выполнять только рутинные действия по 8 часов в день. Но разве можно не делать всего этого?

Сейчас в доме остался один пульт — от Apple TV. Свет, шторы и климат работают сами, выключателем я не пользуюсь полтора года. Продукты заказывает AI-агент: мне остаётся пять минут проверить корзину и спуститься за доставкой. Кошка по-прежнему будит в пять, с ней автоматизация не справилась.

Если AI-агент для вас всё ещё волшебная штука из будущего — давайте посмотрим, из чего он собран. Пять частей, ни в одной нет магии.

1. Мозг — чтобы думать

Языковую модель обучили одному полезному свойству: угадывать следующее слово с высокой вероятностью. Она угадывает слово, потом следующее — так собирается ответ. Она не любит вас, не понимает и ничего не чувствует. Внутри математика и таблица весов.

Полезной она от этого быть не перестаёт. Просто, понимая механику, вы перестаёте ждать чуда и начинаете работать с инструментом.

Токен — кусок текста, которым оперирует модель. В русском это примерно два-три символа. В токенах считаются и объём, и цена запроса.

2. Персона — чтобы жить по понятиям

Представьте взрослого человека с пустой головой. Он умеет говорить и рассуждать, но не знает ни кто он, ни чем занимается, ни что любите вы. Вы, как создатель, кладёте туда нужное — с одним условием: не перегрузите его. Про это условие будет ниже, оно денежное.

Начинают с представления о себе: кто он, чем занимается, каким тоном говорит, что ему запрещено, как к нему обращаться, здоровается ли при подключении к звонку.

[СКРИНШОТ: настройки персоны — алиасы, роль, стиль общения, ограничения]

Поле с правилами и ограничениями на практике важнее прочих: без него агент соглашается со всем подряд.

Голос настраивается там же. Агенты давно не только текстовые, и говорить с ними оказалось быстрее, чем писать: исследование Стэнфорда намерило троекратную разницу с набором на телефоне — 161 слово в минуту и на 20% меньше ошибок.

[СКРИНШОТ: выбор голоса, тон и скорость речи]

3. Память — чтобы агент не забывался

Механизм самый сложный из пяти, и до конца он не проработан ни у кого. Собирать её можно очень по-разному. Вот база, от которой стоит отталкиваться:

Разница видна сразу, как только фактов накопится достаточно. Попросите агента без памяти заказать вина:

Нашёл 1532 бутылки. Какую предпочитаете?

Тот же запрос агенту, который вас знает:

В магазине рядом с вами есть ваше южноафриканское. Скажите, когда нужно, — оформлю доставку.

Отвечаете «завтра, к встрече» — дальше он сам проверит соседние магазины, вдруг то же вино дешевле, и вызовет курьера заранее экономной доставкой. Скажете «срочно» — возьмёт приоритетную.

[СКРИНШОТ: вкладка «Память» — факты об owner’е]

[СКРИНШОТ: вкладка «Память» — цели с вехами и сроками]

Здесь же и то самое «не перегрузите». Вы платите за токены: при 30 тысячах токенов запрос стоит копейки, при полумиллионе каждое сообщение становится тяжеловесным — и платите вы полную цену, даже если спросили про погоду. Поэтому память живёт отдельно, а в разговор подтягивается только нужное.

4. Инструменты — чтобы действовать

Модель с памятью умеет разговаривать. Чтобы что-то делать, нужны руки.

Как это выглядит живьём. Магазинов у меня три: овощи беру в одном, мясо в другом — там оно лучше. Агент сравнивает цены и делит заказ. Мясник принимает заказы только через Line, поэтому агент пишет туда сам и согласовывает время. Я оплачиваю, он вызывает Grab, курьер забирает и везёт. Меня нет дома — оставит на ресепшене.

Одна выгода вскрылась случайно. Медленная доставка стоит в разы дешевле быстрой, но люди её не берут: ждать полтора часа никому не хочется. Агенту всё равно. Он планирует заранее и берёт дешёвый слот.

5. Самообучение — чтобы расти

Раз в несколько часов агент разбирает накопившиеся переписки и достаёт оттуда новые факты, цели и правила. Всё это ложится в память, и следующий разговор идёт уже с ней. За своими расходами он следит так же: каждый день смотрит, куда ушли деньги, и подкручивает себе лимиты.

Отсюда и разница с обычным чатом. ChatGPT сделан, чтобы работать сразу для всех, поэтому память там намеренно неглубокая. Ваш агент настроен под вас одного, и агент месячной давности заметно хуже сегодняшнего — при той же модели внутри.

Сколько это стоит

На Max подписке Claude Code за $200 получаете пару разработчиков, работающих почти круглосуточно. Сравните с зарплатой одного человека — станет понятно, почему у Junior сейчас такие трудности с поиском работы.

Сколько стоят ошибки

Самый дорогой промах в моей практике сделала не машина. Один сотрудник написал функцию, которая вызывала генерацию голоса, получала в ошибку и перезапускалась по новой, каждый раз вызывая платный Google API. Полтора месяца и 200 долларов, прежде чем это заметили.

Что дальше

Пять частей — это карта. Дальше разберу каждую подробно:

• как работает поиск по смыслу: векторы и эмбеддинги простыми словами
• сколько стоит запрос и как считать токены
• как писать скиллы и подключать MCP
• как настроить агенту голос

Если хотите собрать такого агента и не готовы разбираться месяцами — я всегда всегда на связи, пишите.