Закрыли ноутбук — агент перестал работать. Так до недавнего времени жило большинство ИИ-агентов: агент в терминале — это процесс на вашем компьютере, и он останавливается вместе с ним. Новый класс автономных ИИ-агентов устроен иначе. У них свой компьютер в облаке, своя память и свои привычки. Их будит письмо или сообщение коллеги, они работают ночью и пишут вам, только когда есть что сказать. В англоязычной среде их называют always-on — «всегда включёнными».
Как они устроены изнутри, рассказал Ли Робинсон на курсе Стэнфорда CS146S «The Modern Software Developer»; запись лекции появилась на YouTube 11 октября. Робинсон пришёл из Cursor, которую в июне SpaceX договорилась купить за 60 млрд долларов, и теперь в SpaceX делает Grok Bot — приложение, где ИИ-«боты» работают на облачном компьютере, пока вы заняты своим. Это не реклама продукта, а разбор его архитектуры: как работает ИИ-агент такого типа, из каких кирпичей он собран и какие инженерные приёмы делают его надёжным, дешёвым и неназойливым. Часть того, о чём он рассказывает, по его же словам, ещё в разработке. Пересказываю главное.
Четыре эпохи работы с ИИ
Робинсон делит недавнюю историю на четыре эпохи. Первая — код копировали из ChatGPT и вставляли в редактор руками. Кажется, это было десятилетия назад, а на деле — несколько лет.
Во второй эпохе модель сама начала править файлы и запускать команды в терминале. Внутри — простой цикл: модель вызывает инструмент, смотрит на результат и решает, что делать дальше. Программу вокруг модели, которая крутит этот цикл, передаёт модели сообщения, выдаёт ей инструменты и выполняет команды, называют harness. Дальше в тексте — обвязка.
В третьей агенты получили отдельные приложения, их стали запускать по несколько штук параллельно, часть — в облаке. Но узким местом оставался человек: каждую команду терминала он подтверждал сам.
Четвёртая эпоха — always-on. У агента свой компьютер и своя память, новым навыкам он учится прямо в работе и не останавливается, когда вы ушли спать.
Поменялся и сам разговор с агентом. Раньше вы давали задачу и ждали, а на каждую команду жали «разрешить» или «запретить». Теперь агента можно направлять на ходу: «посмотри этот тред» — и через секунду «а, сделай это в четверг». Прошлые модели от такого путались, нынешние понимают, что второе сообщение уточняет первое.
Вместо ручных подтверждений приходит авторевью: отдельная модель проверяет команды перед запуском. Робинсон уверен, что если устроить слепое сравнение, модель-проверяющий чаще окажется внимательнее человека: тот после сотни одобренных команд устаёт и жмёт «да» не глядя. Модели стали умнее, а интерфейс проще: работа с агентом свелась к переписке, как с коллегой в мессенджере. Переписываться умеют все, и в этом, считает Робинсон, главная причина, почему такие продукты сейчас быстро набирают популярность.
Шесть вещей, которые научились делать модели
Always-on агенты стали возможны благодаря нескольким сдвигам в самих моделях. Робинсон называет шесть.
- Держат инструкцию долго. С правильным сжатием переписки модель уверенно работает часами и днями, не сбиваясь.
- Делегируют работу. Главный агент поручает отдельные задачи помощникам — субагентам — и получает от них результат.
- Надёжно вызывают инструменты. Пару лет назад модели путались в вызовах и постоянно выдумывали. Робинсон считает, что проблема галлюцинаций в основном решена. Это его оценка: цифр в лекции он не приводит.
- Работают с мощными инструментами. Не только команды и файлы, а целый Linux-компьютер, запись демо-роликов и computer use — умение кликать по экрану как человек. Значит, агент может работать со многими сайтами и сервисами, у которых нет API или MCP-сервера — способов, которыми программы обычно подключаются к сервису напрямую. Робинсон говорит даже о любом таком сервисе, но на практике мешают вход, капчи, ограничения сайта и ошибки интерфейса.
- Хранят знания в файлах. Модели отлично ищут по файлам обычными командами Linux, поэтому память агента — это просто текстовые файлы.
- Учатся на примере. Покажите боту, как выполнить задачу, и он превратит это в скилл, заметку или рутину, чтобы потом повторять самому.
Скилл — это файл с инструкцией в Markdown: как сделать конкретную задачу хорошо. Вокруг скиллов уже выросла целая экосистема, а в Grok Bot есть плагины — готовые наборы скиллов и подключений к сервисам. Рутина — промпт по расписанию, вроде cron-задачи. Вывод Робинсона: агенту не нужны особые сущности, всё сводится к обычному компьютеру — файлам, командам и браузеру.
Архитектура ИИ-агента: триггеры, сервер, компьютер
Схема автономного агента у Робинсона состоит из трёх частей. Слева — триггеры: то, что будит агента. В середине — сервер, где крутится агентный цикл. Справа — компьютер, на котором агент работает руками: файлы, команды, браузер.
Агент спит, пока его не позовут
«Всегда включённый» не значит «всегда запущенный». В покое спят и сервер агента, и его компьютер. Пришло сообщение — сервер поднимает состояние агента. Понадобился браузер — просыпается компьютер. Работа закончена — оба засыпают, а переписка, память и рутины сохраняются в базу. Держать включённый компьютер для каждого пользователя дорого, да и компьютеров на всех в мире не хватит.
Будить агента может не только хозяин: сообщение в Slack, письмо, звонок, встреча. Робинсон рассказывает, что в SpaceX сотрудники уже отправляют ботов на встречи, куда сами не успевают, — бот слушает и приносит конспект. Будит агента и его собственная фоновая работа, которая шла часами и наконец закончилась.
Все сигналы проходят через маршрутизатор. Он убирает дубли, решает, в какой разговор положить событие, и задаёт главный вопрос: стоит ли беспокоить человека? Коллега, который подходит после каждого маленького шага, раздражает. Обычно хватает отчёта раз в день, смотря по задаче.
Свой компьютер в облаке
Компьютер агента — виртуальная машина на Firecracker, открытой технологии Amazon для лёгких виртуалок. Состояние такой машины легко сохранить снимком, выключить её и потом запустить с того же места. На машине лежат файлы агента, есть терминал и Chrome. К ней можно подключиться, посмотреть, что делает агент, и взять управление на себя. В документации Grok Bot это называется Take over: бот упёрся в форму входа на сайт, вы входите сами и возвращаете ему управление.
Команды агента выполняются не на вашем ноутбуке, а на облачной машине. Если ботов пять или десять, у каждого может быть свой экран с браузером. Но это не стена между ними: по документации Grok Bot, компьютер у ботов одного аккаунта общий, и сессии входа в браузере одни боты могут переиспользовать после других.
Почему мозг агента живёт на сервере
Агентный цикл работает не на виртуалке, а на сервере. Это старый принцип «тонкий клиент, толстый сервер», и у него три плюса. Логику агента можно обновить на сервере сразу, без новой версии приложения в App Store. Тяжёлые задачи вроде расшифровки аудио или генерации картинок на сервере идут быстрее, чем на телефоне. А масштабировать серверы под скачки нагрузки индустрия давно умеет.
Но главное — независимость. Если бы цикл жил на виртуалке, её нельзя было бы выключить, не убив агента. А так машину можно пересобрать в любой момент, например чтобы срочно закрыть уязвимость в Linux, и агент не заметит простоя.
Почему сбой сервера не сбрасывает прогресс
Допустим, агент выполняет задачу из трёх шагов, и на третьем падает сервер. С обычной очередью задач после перезапуска все три шага пойдут с начала. Надёжный процесс (durable workflow) сохраняет результаты завершённых шагов и после сбоя продолжает с третьего. В Grok Bot для этого взяли открытый Temporal, чтобы не писать сложную механику с нуля. Одна оговорка: шаг, который оборвался на середине, может выполниться повторно. Поэтому, как уточняет слайд лекции, шаги пишут так, чтобы повтор был безвреден, — защиту, скажем, от двойной отправки письма разработчик закладывает сам.
У входящих сообщений разные приоритеты. Если хозяин пишет «поменяй дату встречи», агент прерывает текущий шаг: сообщение владельца важнее всего остального. Сообщения из групповых чатов, тредов Slack и фоновых рутин встают в конец очереди. А если несколько сообщений пришли подряд, агент склеивает их в один ход.
Обвязка агента: один инструмент на всех
Обвязку Grok Bot от похожих продуктов отличает одна деталь: между приложением и сервером ровно один инструмент — «написать пользователю». Всё тяжёлое живёт на сервере: команды, файлы, вызов облачного агента, запись экрана. Приложение просто переписывается с сервером, поэтому новый клиент — мобильный, десктопный, почта, Slack — подключается без переделки.
Зато приложение само решает, как показать ответ. Робинсон приводит примеры. Агенту нужен вход в сервис — приложение может показать форму входа и подключить менеджер паролей вроде 1Password. Нужна оплата — вызвать платёжный сервис, например Stripe Link или X Money. Действие необратимое, например письмо или сообщение в Slack, — показать черновик, который можно поправить и одобрить. А иногда агенту и отвечать не нужно: хватит реакции-эмодзи.
Инструменты по требованию
У модели есть контекстное окно — всё, что она видит прямо сейчас: инструкции, переписку, результаты работы. Его объём ограничен и считается в токенах — кусочках слов, за которые провайдер берёт деньги. Каждый подключённый инструмент занимает в окне место: имя, описание, схема параметров. Подключите коннекторы Google Drive, Gmail и YouTube — и заметная часть окна занята ещё до начала разговора.
Поэтому популярные обвязки показывают модели описания инструментов не сразу, а по мере надобности. У Anthropic этим занимается tool search tool — инструмент поиска инструментов: он находит подходящие и добавляет их описания в контекст, когда они нужны. Hermes Agent похожим образом обходится со скиллами: в промпте только список, полный текст агент открывает, когда скилл понадобился.
Лестница от дешёвого к дорогому
Общий принцип — сначала пробовать самый дешёвый и надёжный способ, потом подниматься выше:
- То, что агент уже знает из разговора.
- Плагин, MCP-сервер или API — например, банковские данные через Plaid.
- Поиск в интернете — скажем, счёт вчерашнего матча.
- Браузер на своём компьютере.
- Весь рабочий стол: скрипты, команды, сборка чего-то на Linux-машине.
- Только если ничего не помогло — спросить человека.
Так ведёт себя хороший коллега: не дёргает по каждой мелочи, а сначала пробует сам.
Похожая лестница — когда агент работает с сайтом в браузере. Скриншот стоит дорого. Дешевле прочитать HTML страницы, а ещё дешевле — дерево доступности (accessibility tree), упрощённый список кнопок, ссылок и полей, по которому легко найти, куда нажать. Если и это не помогает, например всплыло модальное окно, агент смотрит на картинку экрана и кликает по пикселям, как человек. Последняя ступень — снова человек: код двухфакторной защиты или капча.
Руководитель и помощники
Главный агент работает как руководитель: держит список задач, раздаёт работу помощникам-субагентам, проверяет их, пишет им и может остановить. Его собственный разговор должен оставаться максимально коротким. Помощник получает чистую рабочую память, выполняет сотню команд, а главный получает только ответ, и вся черновая работа не засоряет его контекст. Так основной разговор растёт медленнее, и агент реже упирается в предел контекстного окна. Бесконечного контекста не бывает, но с такими приёмами продукт создаёт ощущение, что его хватает на любую длинную работу.
Каждый помощник — тоже надёжный процесс. Упал помощник по видео, кончилась память — он перезапустится и восстановит работу по сохранённому состоянию. Вся схема, признаётся Робинсон, срисована с того, как в идеале масштабируют команду инженеров на сложной задаче.
Из практики команды он добавляет несколько уроков. Инструменты не стоит добавлять и убирать посреди хода — это ломает кэш, о котором ниже. Описания и схемы инструментов лучше сокращать: каждое слово в них оплачивается в каждом запросе. Агенту можно дать один инструмент — терминал — и он справится почти со всем. Но если модель тратит 90 % времени на команды ради одной операции, выгоднее сделать под неё отдельный инструмент: дешевле и понятнее людям, которые разбирают работу агента. И ещё: сообщения об ошибках стоит писать как для человека — что сломалось и что делать дальше. Агентам это помогает так же, как людям.
Безопасность ИИ-агента: письмо — не приказ
Агенту, который неделями работает сам, нужно доверять, и Робинсон перечисляет, что для этого желательно иметь. Отдельная модель проверяет команды агента даже на изолированной машине. Письмо во входящих может оказаться фишингом, вебхук — автоматическое уведомление от другого сервиса — подделкой, и такие данные нельзя выполнять как инструкцию хозяина. Это промпт-инъекция, и, по словам Робинсона, индустрии здесь ещё много работы. Необратимые действия вроде отправки письма стоит сначала согласовывать с человеком. А пароли и платёжные данные лучше вообще не пускать в переписку с моделью — для них в продукт встраивают отдельные механизмы.
Это рекомендации, а не встроенная гарантия любого агента: что именно включено, зависит от продукта и его настроек. Те же правила для личного агента мы разбирали в статье о защите агента в групповых чатах.
Почему ИИ-агент дорогой: всё решает кэш промпта
Робинсон говорит, что context engineering и harness engineering для него почти одно и то же. Это преувеличение: выше видно, что обвязка — это ещё инструменты, маршрутизация, восстановление после сбоев и безопасность. Но управление контекстом — одна из её главных задач: чем меньше контекста расходует агент, тем он дешевле и умнее.
Главный рычаг — кэш промпта. На каждом ходу агент заново отправляет модели всю переписку плюс одно новое сообщение. Если начало запроса не изменилось, провайдер берёт его из кэша, а кэшированные токены стоят в разы дешевле. Поэтому системный промпт и описания инструментов держат неизменными, и полную цену приходится платить только за свежий хвост. Если что-то в начале запроса изменилось, кэш срабатывает только до этого места, а всё, что дальше, оплачивается по полной цене. Кэш может и просто истечь, если агент долго молчал. Неожиданный промах Робинсон предлагает считать чем-то вроде бага: искать, что сломало стабильное начало запроса. Точные условия кэширования у каждого провайдера свои.
Он вспоминает январь 2026 года, когда взлетел OpenClaw и люди массово запускали его на подписках у провайдеров моделей. Агенты работали круглосуточно, обвязки ещё не умели беречь кэш, промахов было много, и понадобилось немало исправлений.
Приёмы экономии, которые перечисляет Робинсон:
- длинный вывод команды не кладут в контекст, а сохраняют в файл — агент прочитает нужный кусок сам;
- скриншоты и другую тяжёлую работу отдают помощнику, чтобы не раздувать контекст главного агента;
- из контекста регулярно убирают лишнее — ради цены и ради того, чтобы модель лучше вспоминала важное;
- секции промпта держат в фиксированном порядке: если команда тестирует новый кусок системного промпта на части пользователей, он не должен сдвигать остальные, иначе кэш слетит у всех;
- кэш прогревают заранее: вы открыли чат и начали печатать, а сервер уже готовит промпт — как браузер, который подгружает страницу, пока вы наводите курсор на ссылку.
Самый изящный приём — сжимать разговор, пока кэш тёплый. Рано или поздно длинный разговор упирается в окно — скажем, в 200 тысяч токенов, — и его приходится ужимать до краткого резюме. Любое сжатие теряет детали, и хороший алгоритм тут — задача уровня диссертации. Но момент можно выбрать с умом. Допустим, в переписке с ботом набралось 100 тысяч токенов, и вы ушли. Кэш у провайдера живёт недолго — от нескольких минут до часа. Пока он не остыл, сжать разговор дёшево, и Grok Bot делает это сразу, не дожидаясь вашего возвращения. Через полчаса вы продолжите уже с компактного резюме, и каждое новое сообщение обойдётся дешевле. Где ещё агенты незаметно сжигают токены, мы собрали в чеклисте экономии токенов.
Память ИИ-агента: три слоя и файлы
Что агенту помнить, а что можно забыть? Робинсон раскладывает память на слои. Ключевые факты о пользователе попадают в каждый запрос: если человек любит писать строчными буквами, это должно соблюдаться в каждом ответе, иначе одно сообщение с заглавными будет выглядеть странно. Журнал прошлых разговоров ведётся по датам — как у коллеги, который записывает, что сделал за день: спросите «что я делал на прошлой неделе?», и агент найдёт ответ. Черновые заметки помогают в текущей задаче и не рассчитаны на долгое хранение: они могут быть полезны лишь ближайшие полчаса или час. Всё остальное лежит в файлах, и агент находит нужное поиском.
Ключевые факты нужно постоянно пересматривать: важное сегодня оставлять, неактуальное убирать — как сборщик мусора в программировании. Так работает и мозг: прямо сейчас вы не думаете о футбольном матче, хотя и помните его.
В Hermes Agent устроено похоже: постоянные заметки лежат в системном промпте целиком, архив прошлых разговоров доступен поиском, а скиллы подгружаются по требованию. Подробно — в разборе памяти Hermes Agent.
Маховик: модель учится на ошибках продукта
Обучение модели идёт в три этапа. Сначала предобучение: модель читает огромные массивы текста и получает общее понимание мира. Потом дообучение на примерах (SFT, supervised fine-tuning): на образцовых диалогах её учат вести себя как ассистент или агент. И обучение с подкреплением (RL, reinforcement learning), похожее на тренировку в игре, где модель учится выигрывать. Для always-on агента на этапе SFT модели показывают, как работать внутри конкретной обвязки и какие у неё инструменты. На этапе RL учат следовать инструкциям, выбирать нужный скилл из сотен и попадать курсором туда, куда надо.
Важно и то, как модель обслуживают. Главный агент, с которым вы переписываетесь, должен отвечать мгновенно. А помощнику, который долго работает в фоне, разница между десятью и двенадцатью минутами уже не важна — на этом можно экономить.
Команда улучшает продукт в двух циклах. Короткий — каждый день: агент ошибся, ошибка превращается в проверочную задачу (eval), команда чинит обвязку, промпт или то, как модель обслуживается на серверах, проверяет исправление на этой задаче и выкатывает. Длинный — раз в месяц или несколько: новая модель учится на собранных ошибках, показывает лучшие результаты на тех же проверках и встаёт в продукт.
Новые модели открывают и новые сценарии. Например, данных о том, как боты ведут себя в групповых чатах, почти нет: это поведение только складывается. Робинсон упоминает Moltbook, соцсеть для ИИ-агентов, как напоминание, что общение многих агентов между собой может пойти не так, и поэтому модели нужно этому учить.
«Удалите продукт»
Принцип, который Робинсон принёс из Cursor в SpaceX, звучит как провокация: «удалите продукт». Сегодняшние модели — худшие из тех, что у нас будут. Значит, через полгода интерфейс, возможно, придётся строить заново. Почти всё, о чём он рассказывал, полгода назад звучало бы иначе. Отсюда стратегия: строить под следующее поколение моделей и делать как можно меньше — простой интерфейс, через который модель думает и действует за вас.
Что будет через полгода-год
Ставки Робинсона на ближайшие 6–12 месяцев такие. Агенты будут работать не часы и дни, а недели и месяцы. Модели научатся лучше вспоминать прошлые разговоры — через графы, файлы или что-то третье, исследования идут в разные стороны. Цифровому коллеге начнут давать те же инструменты, что новому сотруднику при онбординге: компании к этому пока только привыкают. Многие будут просто разговаривать с агентом голосом, возможно — через гаджеты вроде того, что готовят OpenAI и Джони Айв. А сами агенты научатся превращать опыт в скиллы и инструкции, и компании начнут записывать свои процессы так, чтобы их мог прочитать агент.
Открытых задач тоже хватает. Как проверить агента, который работает месяц, если новые модели выходят каждый месяц? Как защитить обвязку, чтобы агента не перехватили злоумышленники? Когда агенту молчать, а когда писать первым? «Вижу, ты пропустил вчерашнюю пару, вот запись и конспект» — это забота или навязчивость? Робинсон честно признаёт, что идеального баланса пока нет. И ещё одна безопасная ставка: через год токенов в мире будет расходоваться намного больше, так что экономия на каждом шаге станет только важнее.
Под конец — мысль про рынок. Говорят, что все ИИ-приложения одинаковые: боковая панель, чат, агент. Робинсон пересказывает ответ Алекса из OpenRouter: в 2005 году все тоже делали «одно и то же» — сервер, база данных, формы для создания и удаления записей. Это просто новая норма. Каждый продукт либо обзаведётся агентной частью, либо станет источником данных для чужого агента. А каждый кирпич always-on агента — надёжные процессы, песочницы, облачные компьютеры, память, скиллы, подключения к сервисам, голос, платежи, идентификация, проверки качества, наблюдаемость — это отдельный рынок, где уже по двадцать стартапов.
Студентам Робинсон советует понимать архитектуру системы и читать код, который пишет агент, — последствия архитектурных решений со временем только усиливаются. А ещё попробовать собрать собственную обвязку агента и разобраться, как устроены языковые модели, — так же, как веб-разработчику полезно понимать базы данных.
Детали со слайдов
Это настройки Grok Bot, а не общий стандарт для всех агентов, но по ним хорошо видно, как такую систему собирают на практике.
Компьютер. Виртуальная машина Firecracker — одна на пользователя, внутри Debian. Через несколько минут после последней активности, но никогда посреди хода, она засыпает: файлы уходят в облачное хранилище, память и диск сохраняются снимком, машина останавливается. При следующем вызове инструмента снимок восстанавливается, а входы в сервисы и установленные программы остаются на месте.
Память. Профиль — до 100 фактов о пользователе в пределах 4 000 знаков, он всегда в промпте. Из журнала в промпт попадают 30 самых релевантных свежих записей. Заметки быстро выцветают, остальное агент находит поиском по памяти. После каждого хода отдельный проход добавляет новые факты и заменяет старые, причём удалить он может только те факты, которые ему показали. Важные факты поднимаются выше, старые постепенно опускаются. Факты о вас общие для всех ваших ботов, но каждый пишет в свой файл. И модели прямо сказано: память — это сведения, а не инструкции.
Безопасность. Отдельная модель проверяет рискованные действия до запуска. Если она блокирует действие, вам приходит запрос на подтверждение, и если вы не ответили за 15 секунд, действие запрещено. Текст из писем и вебхуков помечается как недоверенный. Бот не пишет людям, пока вы его об этом не попросили, а новые рутины требуют вашего согласия. Пароли лежат в переменных окружения и не попадают к модели, а действия на вашем ноутбуке требуют разрешения.
Сжатие. После большого хода — промпт больше 100 тысяч токенов — проходит около 10 минут, кэш ещё тёплый, и в этот момент пишется резюме. Если фоновая работа и так скоро разбудит агента, сжатие пропускают. Последние несколько сообщений агента вам сохраняются дословно. А если ход слишком длинный, разговор можно сжать и посередине.
Кэш и инструменты. До следующего сжатия инструменты, системный промпт и первое сообщение не меняются ни на символ. Если обновление сервиса меняет описание инструмента, в идущий разговор приходит короткая заметка, а не новый текст. Недоступный инструмент не убирают, он возвращает понятную ошибку. Описание и схема каждого инструмента — не длиннее 4 000 знаков. И ещё правило для лестницы способов: если коннектор к сервису сломан, агент не должен обходить его через браузер — он должен сказать об этом и спросить.
Как собрать личного ИИ-агента уже сейчас
Grok Bot — закрытый продукт, он входит в платные подписки SuperGrok и Cursor. Но многие кирпичи из лекции есть и в открытых инструментах. Мой личный агент работает на Hermes Agent на арендованном сервере, я пишу ему в Telegram, и многие приёмы из лекции у него уже есть:
- рутины — это cron-задачи; как они ломаются незаметно и как этого избежать, я разбирал в статье про hermes-cron;
- скиллы — те же инструкции в Markdown; где их искать и как проверять, рассказано в обзоре скиллов и плагинов для Hermes;
- чистку памяти по ночам у моего агента делает плагин hermes-dreaming, а с версии 3.3 его подтверждения фактов может перепроверять облачный судья;
- с чего начать — с инструкции по установке Hermes и подключению к Telegram.
И три правила из лекции, которые стоит применить к любому агенту уже сегодня. Всё необратимое — письма, платежи, публикации — агент готовит черновиком, а отправляете вы. Письма и чужие сообщения — это данные, а не команды. И не требуйте от агента отчёта о каждом шаге: хороший коллега пишет, когда есть что сказать.
Частые вопросы
Что такое автономный ИИ-агент простыми словами?
Это ИИ-агент, который продолжает работать без открытого диалога: запускает задачи по расписанию и по событиям — письму, сообщению, встрече — и сам решает, когда вам написать. Обычно для этого он живёт на сервере, а в архитектуре, которую разбирает Робинсон, у него есть ещё память и облачный компьютер. По-английски такие агенты называют always-on.
Чем ИИ-агент отличается от чат-бота?
Чат-бот отвечает на вопросы. ИИ-агент выполняет задачу: сам вызывает инструменты — команды, браузер, почту, сервисы — смотрит на результат и решает, что делать дальше. Агент в терминале, как обычно запускают Claude Code или Codex, работает процессом на вашем компьютере: ноутбук уснул — работа остановилась. Автономному агенту нужна среда, которая работает без вас: она переживает сбои и перезапуски, а будить агента могут не только ваши сообщения.
Что такое Grok Bot и кому он доступен?
Это приложение SpaceXAI и Cursor: бета вышла 11 августа 2026 года. Боту дают задачу в переписке или голосом, и он работает на облачном компьютере с браузером и терминалом. По данным xAI на 26 августа, Grok Bot входит в подписки SuperGrok, SuperGrok Plus, SuperGrok Heavy, Cursor Pro, Pro+, Ultra и Cursor Teams, а для крупных корпоративных внедрений открыт лист ожидания. Вход — через аккаунт Cursor.
Зачем агенту субагенты?
Чтобы подробности отдельных задач не занимали контекст главного агента. Помощник делает тяжёлую работу в своей чистой рабочей памяти и возвращает только результат, поэтому главный агент дольше работает без сжатия и потери деталей.
Почему автономный ИИ-агент может стоить дорого?
На каждом ходу агент заново отправляет модели всю переписку. Если начало запроса меняется, кэш не срабатывает, и за весь контекст приходится платить полную цену. Помогают неизменный системный промпт, короткие описания инструментов, длинные результаты в файлах вместо контекста, субагенты для тяжёлой работы и своевременное сжатие разговора.
Безопасно ли давать ИИ-агенту доступ к почте?
Начинать стоит с чтения и подготовки черновиков. Если продукт умеет проверять действия агента отдельной моделью, включите это, а отправку писем оставьте только после вашего подтверждения. Входящие письма агент должен считать данными, а не инструкциями: защиту от промпт-инъекций, по словам Робинсона, индустрия ещё не довела до конца. Какие из этих защит есть и включены, зависит от конкретного агента и его настроек.
