Сначала был рабочий прототип, теперь это становится системой
Рабочий прототип хорош до первого серьёзного роста. Дальше он либо разваливается, либо превращается в систему. Показываю, как я переношу старую агентную связку в более взрослый контур.
В статье
В прошлый раз я рассказывал, как у меня постепенно складывается рабочая AI-система вокруг маркетинговых задач, памяти, задач и OpenClaw.
Сейчас эта история двигается дальше. И точнее всего это можно описать так: я перехожу к следующему этапу разработки маркетинговых агентов и нужных им инструментов.
Если говорить совсем просто, я сейчас переношу старый рабочий CrewAI-прототип в Kodos/OpenClaw.
Тот прототип был не игрушкой и не абстрактной схемой. Это была цепочка агентов, которая помогала разбирать целевую аудиторию и собирать маркетинговый отчёт. То есть уже была рабочая логика: понять задачу, пройтись по ней по шагам и дойти до внятного результата.
Теперь я хочу сделать из этого не разовый сценарий, а расширяемую цепочку маркетинговых агентов для клиентских задач (client-agent pipeline).
Для меня здесь важен не красивый термин, а сама идея: система должна быть устроена так, чтобы её можно было развивать по частям. Сегодня добавить один этап, завтра уточнить другой, послезавтра поменять порядок или качество входа, не переписывая всё целиком.
Первый шаг: упростить вход
Самый верный шаг здесь - упростить саму форму задачи.
Вместо десятков полей я выбираю одно текстовое поле, куда человек просто пишет описание задачи своими словами.
А вот дальше системе уже нужен новый агент, который сможет взять этот свободный текст, понять его на любом языке и разложить на те самые части, которые нужны для работы дальше.
Это кажется мелочью только на первый взгляд. На практике именно тут часто и теряется качество. Потому что люди обычно пишут задачу не в виде аккуратного брифа, а обычным человеческим языком: с обрывками мыслей, контекстом, намёками, уточнениями и местами, где “и так должно быть понятно”.
Смысл как раз в том, чтобы система не угадывала, а аккуратно превращала этот живой текст в нормальную рабочую структуру.
Языки задачи и рынка
Ещё одна важная вещь - один и тот же запрос приходится разводить сразу по нескольким языкам.
Для маркетинговой работы это не второстепенная деталь, а часть самой логики. Есть язык общения с человеком. Есть язык, на котором должен быть отчёт. Есть язык, на котором лучше искать. И есть язык и гео самого рынка, с которым вообще предстоит работать.
Если это не развести заранее, дальше легко получить красивый, но не очень полезный результат. Потому что искать, анализировать и формулировать для рынка нужно не абстрактно, а с учётом того, как этот рынок реально говорит и где живёт.
OWL как слой знаний, а не просто поиск
Отдельно я по-другому стал смотреть на OWL (Obsidian Wiki LLM - коротко, Рабочая База Знаний, где можно быстро находить нужный контекст).
В моём проекте это не просто поиск по заметкам. Это источник маркетинговых знаний, собранный из ведущей литературы, рабочих материалов и наблюдений практикующих маркетологов.
Для агентов это важно потому, что они не должны просто “что-то найти”. Им нужно понимать, какие фреймворки подходят для задачи, какие методики лучше взять, какие вопросы задать и на что вообще опереться, чтобы результат был не случайным, а рабочим.
Если совсем по-простому, эта база помогает не начинать каждый раз с нуля.
Перед началом задачи она может подсказать, какой подход выбрать: разбор аудитории, сегментацию, JTBD, CJM, стратегическую рамку или что-то ещё. Во время работы она помогает держать под рукой примеры, определения и рабочие ориентиры, чтобы не скатываться в слишком общие формулировки. После работы она помогает проверить, не потерялось ли что-то важное и не выглядит ли результат слишком рыхлым.
Например, если я делаю маркетинговый разбор для клиента, я могу сначала опереться на уже собранные маркетинговые модели и посмотреть, какой фреймворк лучше подходит под задачу. Если пишется новый отчёт, эта база помогает не тащить в него случайные мысли, а держаться за понятную методику. Если потом появляется похожая задача, я не собираю всё заново, а использую уже накопленный маркетинговый контекст.
В этом для меня и есть его ценность: он помогает агентам думать ровнее, выбирать подходящую методику и не терять полезные вещи по дороге.
Работа по этапам
Я выбрал для себя стратегию не строить сразу финальный продукт, а работать по этапам. Сейчас важнее правильно собрать основу.
Я закладываю контракты этапов, контрольные точки и возможность продолжить работу с последнего понятного шага.
Это не ради архитектурной красоты. Это нужно для того, чтобы работа не ломалась от того, что что-то пошло не в тот момент или на каком-то этапе пришлось остановиться. Если система умеет зафиксировать понятный промежуточный результат, её проще развивать, проверять и дополнять.
Что это даёт на практике
Если собрать всё это вместе, получается нормальная рабочая среда для маркетинговых агентов. У них есть понятный вход в задачу, есть база знаний, на которую можно опереться, есть этапы, на которых можно свериться, и есть возможность продолжить работу после сбоя. Для меня в этом и есть польза всей сборки: маркетинговая работа становится спокойнее, понятнее и устойчивее. Система не начинает каждый раз с нуля, а может удерживать контекст, собирать бриф, брать нужные знания и двигаться дальше по шагам.
Что дальше
Пока я смотрю на это именно так: как на следующий этап развития рабочих маркетинговых агентов. Сначала понятный вход, потом правильная структура, потом уже расширение того, как и где это можно применять.
И, честно говоря, именно в этом мне сейчас и нравится вся задача. Не в громких обещаниях, а в том, как из уже работающей логики постепенно собирается более взрослая система.
Если хочешь разобраться, где в твоём бизнесе такая система реально сэкономит время - разберёмся вместе.
Связанная услуга
Контентная система для привлечения клиентов
Помогаю собрать контентный процесс, который не разваливается после пары публикаций и ведёт не только к постам, но и к следующему шагу для клиента.