# 3 правила работы с агентами (Anthropic)

Три правила работы с агентами от команд Anthropic: чего нет на бумаге — не существует (дай агенту файлы и стандарты); дай роль и цель; не верь на слово — один агент делает, второй проверяет.

Anthropic описывает, как их собственные команды и клиенты выстраивают работу с AI-агентами — не в виде расплывчатых советов, а как конкретные архитектурные паттерны и разбор ошибок. Три принципа оттуда закрывают большинство причин, по которым агент выдаёт посредственный результат.

врезка `// Важно`: текст «Материал опирается на два отдельных документа Anthropic, а не один общий «гайд»: «The Founder's Playbook: Building an AI-Native Startup» (опубликован 14 мая 2026, claude.com/blog/the-founders-playbook) и «Building Effective AI Agents: Architecture Patterns and Implementation Frameworks» (resources.anthropic.com/ty-building-effective-ai-agents). Точные названия и ссылки — для тех, кто хочет читать первоисточник, а не пересказ.»

## 1. Без письменного контекста агент не умнеет

- Логика: агент не читает мысли — заметки, файлы и стандарты, зафиксированные письменно, определяют, насколько он окажется полезным уже в следующей сессии.
- Механика: файл `CLAUDE.md` работает как постоянная «память» проекта — архитектурные решения, паттерны и ограничения, которые агент читает в начале каждой сессии.
- Цена пропуска: без зафиксированного контекста каждая новая сессия агента заново выводит структурные решения с нуля, и эти решения постепенно расходятся с исходным замыслом.
- Источник: The Founder's Playbook, Anthropic, май 2026.

## 2. Агенту нужна роль и цель, а не случайные таски

- Логика: у агента должен быть промт, который явно задаёт его роль и возможности — а не поток разрозненных запросов без общего направления.
- Архитектура: в многоагентных системах центральный orchestrator делегирует задачи специализированным агентам, которые двигаются к общей цели, а не действуют вслепую поодиночке.
- Итог: агент с ясной ролью и целью начинает сам предлагать следующий шаг, а не только выполнять последнюю заданную команду.
- Источник: Building Effective AI Agents, Anthropic.

## 3. Не верь на слово — проверяй

- Логика: у Anthropic это отдельный именованный архитектурный паттерн — `evaluator-optimizer`: один агент генерирует результат, второй оценивает его по конкретным критериям и даёт фидбэк, цикл повторяется, пока результат не пройдёт планку качества.
- Где применяют: перевод, генерация кода с требованиями к безопасности, тексты, где важен тон, и задачи с многошаговым рассуждением, которое нужно валидировать.
- Когда не нужен: если черновик уже устраивает по качеству, критерии оценки размыты или субъективны, либо лишний цикл проверки не окупается по времени и бюджету.
- Источник: Building Effective AI Agents, Anthropic.

## 4. Как это выглядит на практике

- Конвейер: один агент пишет сценарий, второй — отдельный агент-критик — проверяет его и возвращает на доработку, пока результат не станет чистым; это и есть `evaluator-optimizer` в работе, а не абстрактная схема из документа.
- Связка правил: без письменного контекста агенту нечего оценивать по делу, без роли и цели некому критиковать содержательно, а без второго прохода первый черновик так и остаётся черновиком.

> Агент с ролью, целью и вторым проходом на проверку — не абстракция из документа, а рабочий конвейер.

---

Источник: https://localhost:3000/m/anthropic-3-agent-rules