Ваш агент для роботи з моделями, ймовірно, надмірно складний: що варто видалити.
Ваш пристрій керування, ймовірно, надмірно складний за конструкцією. У міру вдосконалення моделей такі пристрої стають зайвим тягарем. Як зростають обсяги оглядів та витрати на контекст, і що можна скоротити.
Чим розумнішими стають агенти, тим більше корисна робота зосереджується на тому, щоб усунути з них певні обмеження. Це суперечить більшості дій, які команди виконували протягом останнього року — а саме додаванню нових навичок та можливостей.
Майже весь прогрес у розвитку агентів досі досягався завдяки структурованим підходам: плануванню кроків, циклам перевірки, навичкам, пам’яті та іншим механізмам підтримки. Коли моделі були слабкішими, це мало сенс, адже такі структури компенсували те, чого модель не могла зробити сама. Проблема полягає у тому, що ніхто не починає їх усувати, як тільки модель наздоганяє рівень розуміння. З’являється обмеження, створюється тимчасове рішення, і воно залишається назавжди. Це є технічним боргом, характерним саме для агентів, і воно часто погіршує результати.
Коли допоміжні механізми конфліктують із моделлю
Уявіть собі конфігурацію, налаштовану під 4,5 та 4,6 покоління сімейства моделей. Вона планувала, перевіряла власну роботу та проводила додаткові перевірки перед тим, як відповісти, що тоді вважалося розумним підходом. Якщо перенести таку саму конфігурацію на новіше покоління, вона почне діяти проти вас. Модель вже сама так міркує без будь-яких підказок, проте система все одно змушує її сумніватися в собі, перевіряти все та починати знову. Вона планує, а потім знову переглядає цей план. Виконує дії, а потім ставить під сумнів їх результати. Перевіряє інформацію, а потім сперечається з результатами цієї перевірки. Незабаром агент застрягає у паралічі від аналізу та витрачає ресурси на ставлення сумнівів до рішень, які насправді були правильними. Це один крок вперед та один крок назад — з більшою кількістю міркувань, які не призводять до кращої відповіді, а іноді навіть до гіршої.
Поки що це лише відчуття, тож ось щось вимірюване. Один інженер тримає шаблон перевірки перед публікацією, який редагується вже кілька місяців. Спочатку він складався з 22 рядків, а тепер — з 37; кількість видів перевірок зросла з двох до трьох. Нічого не було видалено. Кожне доповнення було правилом, і кожне правило додавалося тому, що у пул-запиті справді траплялися проблеми. Зсередини саме так виглядає зайва інформація. Добрі наміри — це причина, чому система стає надмірно складною. Кожна зміна вирішувала реальну проблему у день її внесення, але бракує другого кроку: ніхто пізніше не перевіряє, чи все ще це правило є корисним. Ніхто не загострює сокиру.
Anthropic також стикнулася з тією самою проблемою. У своїй інженерній публікації від квітня 2026 року про масштабування керованих агентів вона зазначає, що інструменти harness кодують припущення щодо того, чого модель не може зробити сама, і ці припущення стають застарілими з покращенням моделей. Їхнім прикладом є Sonnet 4.5, який завершував роботу раніше через виявлення наближення межі контексту — цю поведінку вони називають контекстуальною тривогою. Щоб вирішити цю проблему, вони додали функцію скидання контексту. У Opus 4.5 ця поведінка зникла, а функції скидання стали зайвими.
З цього випливає практична порада: коли з’являється нова модель, спочатку попросіть її перевірити свої існуючі інструменти harness перед тим, як братися за нові завдання.
Більше аналізу — не означає більше корисної інформації
Запит у агента на додатковий аналіз тихо виснажує корисну інформацію, і це відбувається частіше, ніж люди очікують.
Перегляд коду чудово це ілюструє. Вкажіть агенту певний код та попросіть його знайти проблеми, і саме проблеми він і повертає. Деякі з них є важливими. Інші — це дрібні зауваження щодо стилю, гіпотетичні крайні випадки чи твердження, які технічно є правдивими, але не стосуються суті. Агент тут не помиляється, адже ви просили про проблеми, і він їх надав. Деякі виявлені проблеми є просто хибними, що є його власною проблемою, але найбільш проблематичними є ті, які є правильними, але не мають значення.
Проблеми починаються тоді, коли їх накопичується багато. Коли є десять ймовірних проблем, питання вже не в тому, чи кожна з них є справжньою, а в тому, які з них мають значення. Тому система перегляду може одночасно надати вам більше інформації та менше корисних сигналів.
Реальний приклад робить це конкретнішим. У заявці просили ендпоїнт, який би повертав код 409, але він повертав код 500. Найменшим правильним рішенням було внесення двох рядків у один файл. Однак запропонований pull request стосувався 13 файлів та майже 500 рядків у трьох сервісах. Більша частина цього складалася з тестів, тож усе це не було повністю марним, але обсяг був величезним. Шість спеціалізованих рецензентів переглянули зміни, кожен виконав свою роботу та виявив справжні проблеми, а головний рецензент врахував усі з них, тому PR значно розросся. Людина помітила цей надмір, написала рішення у два рядки, і ця версія була об’єднана. Надмірна версія була закрита.
Жоден з рецензентів не провалився. 13 файлів — це ніколи не було одне рішення. Це було 13 обґрунтованих рішень, які ніхто не підсумовував. Кожен рецензент запитував, чи правильний код, але ніхто не запитував, чи він взагалі має існувати.
Відмова від рецензента не була правильним рішенням. Команда надала новому рецензенту протилежні вказівки: сприймати ці відмінності як щось, що, ймовірно, не повинно існувати, та змушувати автора захищати кожен файл, щоб його зберегти. За замовчуванням використовувався інструмент CUT. Він відображає єдине співвідношення – кількість наданих файлів порівняно з мінімально необхідною кількістю, і саме це число показує, чи є зміни достатньо значними.
Аналіз великої кількості файлів не коштує нічого. Проблемою є сигнал, і більш потужні моделі не надають його безкоштовно.
Anthropic також стикнувся з цією проблемою. У своєму дописі від березня 2026 року про проектування механізмів підтримки довготривалих додатків вони пояснюють, чому агент для програмування та його оцінювач були розділені. Коли агентів просять оцінити роботу, яку вони самі створили, вони схильні впевнено її хвалити, навіть якщо людина вважатиме її якість просто посередньою. Окремому оцінювачеві можна наказати бути скептичним, тоді як агенту, який сам себе оцінює, це зробити неможливо. Однак ступінь корисності цього оцінювача залежав від завдання: при простих завданнях він ставав зайвим обтяженням, а при складних — продовжував надавати реальну допомогу.
Розрив між активністю та корисністю збільшується, коли агент працює цілий день.
Агент, який завжди у роботі, не повинен постійно думати
Використовуйте агента, створеного для ротації працівників у режимі чергування. Він стежить за інженерними каналами та піднімає на поверхню все, про що людина, яка перебуває у чергуванні, повинна дізнатися. Ці канали дуже активні, і жодна людина у зміні не читає їх усі, тому агент, який працює цілодобово, може помітити те, що залишиться непоміченим людиною.
Перша версія була надмірно складною: інструменти для періодів технічного обслуговування, функції самоперевірки сервісу, запити до політики ескалації та посібник з визначення моменту використання кожного з цих інструментів. Розробник назвав це «on-call maxxing» та зупинив роботу на півдорозі. Фактично було потрібно лише дві речі: швидко фіксувати інциденти, щоб нікому не доводилося отримувати сповіщення, та уважно стежити за каналами, щоб справжні проблеми виявлялися якомога раніше. Для фіксації інцидентів була потрібна лише одна команда без аргументів. Решта елементів нічого не додавали та були видалені.
Невдовзі після цього та сама проблема з’явилася на наступному рівні, у самій архітектурі. Таймер запускав цикл кожні десять хвилин протягом кожної зміни, і одна з сесій продовжувала збирати контекст. Тож при кожному проходженні перечитувався транскрипт, який постійно подовжувався, і це фіксувалося як операції зчитування з кешу Opus; до кінця зміни його довжина перевищувала 150 тисяч токенів. За весь період спостережень кількість токенів зчитувань з кешу склала, за даними звітів, 2,1 мільярда, що за цінами команди еквівалентно приблизно 1 050 доларів. Завдяки плану з фіксованою ціною не було прямого рахунку, але тижневий ліміт вичерпувався навіть після додавання промо-знижки у 50 відсотків. Відстеження споживання вказало прямо на винуватця проблеми.
Більш точний запит не був рішенням — інше проектування таким стало. З кожним проходом цей цикл створює тимчасового агента Sonnet, завданням якого є просте: прочитати все нове, зазначити час останнього перегляду для кожного каналу у невеликому файлі та повернути один рядок. Оскільки власна сесія циклу залишається простою, дорога модель запускається лише тоді, коли працює проста версія. У коді це призвело до видалення 79 рядків та цілої компоненти. Наступна зміна пройшла без пропуску чогось важливого, і спостереження триває.
Спочатку очікувалося, що звичайна ітерація знизиться з приблизно $0,25 до близько $0,03. Порівняння 433 ітерацій старого дизайну з однією повною зміною нового дизайну дало правильне співвідношення в іншій масштабі: приблизно $1,85 за ітерацію раніше та близько $0,19 після — приблизно в десять разів дешевше. Форму проблеми оцінили правильно, але її масштаб недооцінили.
Цікаво також те, що саме не спричинило зростання витрат. У початковому дизайні вже використовувалася дешева модель Haiku для фактичного читання каналу, і вона становила менше 1 відсотка від загальної кількості операцій читання з кешу. Витрати полягали у тому, що батьківська сесія знову та знову читала свій постійно зростаючий запис. Дешева модель виконувала роботу, тоді як дорога мусила читати все заново.
З цього можна зробити два висновки. По-перше, переконайтеся, що дорога модель не буде повторювати роботу, яку вже виконала дешева. По-друге, у завданнях з високою частотою виконання та низьким рівнем ризику більш потужна модель майже нічого не дає, але вона стає корисною під час розслідування складних інцидентів у продакшені. Найрозумніша модель не обов’язково має бути найактивнішою.
Контекст — це не безкоштовно
Бажання надмірно складно проектувати системи зростає разом із збільшенням обсягу контексту. Коли контексту було мало, вибір був примусовим. Тепер легко ставитися до контексту як до сховища: додайте розмови, документи, описи інструментів, історію та кожну навичку, яка може допомогти, а потім дозвольте моделі все це обробити. Модель не сприймає контекст як сховище — усе це є частиною проблеми, яку потрібно вирішити. Кожна інструкція — це ще одна річ, яку потрібно інтерпретувати, а кожен інструмент — ще один засіб, до якого модель може звернутися. Розумніший агент, як і розумніша людина, потребує більшої концентрації, а не більшої кількості вхідних даних.
Це ставить питання до будь-якого агента: що можна додати, не погіршуючи ситуацію? Замість того, щоб створювати ще одну навичку, краще видалити одну існуючу. Працюйте з меншою кількістю контексту, ніж вважаєте безпечним. Видаліть цикл перевірки. Проводьте опитування у повільнішому темпі. Потім дозвольте результатам говорити самим за себе. Якщо нічого не погіршиться, агент став дешевшим без жодних витрат та, ймовірно, кращим, оскільки моделі потрібно обробляти менше інформації. Якщо ситуація погіршиться, ви дізнаєтесь, що ця навичка не є необхідною для цієї моделі.
Від максимізації всього до інженерії агентів
Під усім цим криється одна звичка. Команди стали дуже вправними у максимізації всього: кількості токенів, контексту, навичок, інструментів, пам’яті, механізмів взаємодії, процесів міркування, перевірки та підагентів. Додавання все більшої кількості елементів здається прогресом, оскільки система стає складнішою, проте складність та корисність — не синоніми. На певному етапі навколо агента утворюється бюрократія, а бюрократія зазвичай є марною.
Уявіть кожну частину пристрою для підтримки як гіпотезу, наприклад:
- Ця навичка допомагає агенту писати кращий код.
- Цей механізм запобігає справжнім помилкам.
- Ще одна перевірка допоможе виявити баги, які пропустив основний агент.
- Більше підагентів дозволить виконати роботу швидше.
Щось, що здається корисним, — це припущення щодо вашої системи, а не факт. Неможливо уникнути нудної частини, а саме експериментування. Запустіть процес із використанням цієї навички та без неї, потім із використанням «гачка» та без нього, і вимірюйте результати.
У пості про дизайн системи від Anthropic принцип сформульований прямо: кожен компонент системи містить припущення щодо того, з чим модель не може впоратися сама, і ці припущення потрібно перевіряти під тиском. Їхня команда створила складну систему, яка працювала, а потім поступово видаляла її елементи, щоб з’ясувати, які з них є вирішальними. Розбивка на спринти була відмінена, оскільки завдяки покращенням у Opus 4.6 були вагомі підстави вважати, що модель може виконувати цю роботу нативно.
Це навчає більше, ніж гасло про те, що прості агенти перемагають. Сприймайте інструментарій як щось, що потрібно вимірювати та налаштовувати. Деякі компоненти стають зайвими, інші залишаються, оскільки модель все ще не може виконувати цю роботу. Видалення компонента та доведення того, що ніхто цього не помітив, складніше, ніж його додавання, і це визначає межу між максимізацією всього та інженерією агентів. Одна стратегія полягає у максимізації того, що робить система, інша — у максимізації корисного сигналу за кожен витрачений токен.
Загостріть сокиру
У міру покращення моделей список речей, які потрібно видалити, зростає. Робота, яка раніше вимагала додаткових інструментів, поступово стає автономною, цикли перевірки більше не виправдовують свої витрати, а частина того, що здавалося фундаментальним, виявляється лише способом виправлення моделі, яка вже не працює. Інструментарій ніколи не є готовим. Запитуйте лише, чи певний компонент все ще покращує результати для цієї моделі та завдання, вимірюйте його, видаляйте, і повертайте його лише тоді, коли докази свідчать про його необхідність.
Існує приказка, яку часто приписують Лінкольну: якби йому дали шість годин на зрубування дерева, він би перші чотири години присвятив загостренню сокири. Загостріть сокиру.
Пов’язані статті
- Чому голосові агенти звучать як роботи: каскади, виявлення черги та фреймворк TEN — як каскадні потоки STT-LLM-TTS створюють перерви та погані інтерупції, чотири типи голосових агентів та як фреймворк TEN обробляє виявлення черги та паралельні графи.
- Чому агентам ШІ потрібен шар управління, а не просто кращі запити — запити формують одну взаємодію, а не весь робочий процес. Як шар управління, що складається з правил, обмежень контексту, лімітів авторитету та підтвердження завершення, робить агентів на основі коду надійними.