3 правила работы с агентами (Anthropic)

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.

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.