Память агента: краткосрочная и долгосрочная
Память агента — это разделение рабочего контекста на краткосрочное состояние сессии и долгосрочные записи о пользователе, задачах и прошлых результатах.
Открыть →Глоссарий ИИ
Короткие и проверяемые определения терминов.
Оркестрация агентов
Оркестрация агентов — это координация нескольких ИИ-агентов, которые делят задачу по ролям, инструментам и этапам, а затем собирают общий результат.
Открыть →ReAct (reasoning + acting)
ReAct — паттерн агентной работы LLM, где модель чередует рассуждение и вызовы инструментов, чтобы отвечать по актуальным данным, а не только по памяти.
Открыть →Function calling / tool use — вызов функций и использование инструментов
Function calling, или tool use, — это способ заставить LLM не просто отвечать текстом, а выбирать внешний инструмент, передавать ему параметры и работать по проверяемому сценарию.
Открыть →MCP (Model Context Protocol)
MCP — открытый протокол, который стандартизирует, как модель ИИ получает доступ к инструментам, данным и действиям. Он упрощает интеграции, но не решает вопросы безопасности и качества сам по себе.
Открыть →Семантический поиск
Семантический поиск находит документы по смыслу запроса, а не только по словам. Разбираем эмбеддинги, векторный индекс, гибридный поиск и ограничения.
Открыть →Векторная база данных
Векторная база данных хранит эмбеддинги и ищет объекты по смысловой близости. Разбираем, как работает ANN-поиск, где он полезен и где не подходит.
Открыть →RAG (Retrieval-Augmented Generation)
RAG — архитектура, где LLM сначала ищет релевантные фрагменты в базе знаний, а затем отвечает по ним. Разбираем этапы, пример, пользу и ограничения.
Открыть →Мультиагентные системы
Мультиагентные системы — это архитектура, где несколько ИИ-агентов делят роли, обмениваются контекстом и совместно решают задачу сложнее одиночного агента.
Открыть →ИИ-агент
ИИ-агент — это система, которая не только отвечает на запрос, но и планирует шаги, вызывает инструменты и выполняет действия для достижения цели.
Открыть →