Принципы создания надежной автоматизации

Всех приветствую. Это моя первая статья на всеми нами любимом Хабре, поэтому буду благодарен вам, если вы поддержите меня. Эту статью я решил написать потому, что сам в какой‑то момент своего становления как ИИ‑инженера задавался вопросами по поводу того, как правильно делать автоматизации, как строить архитектуру для своих проектов и так далее. И вот я решил поделиться с вами теми знаниями и опытом, как сделать ваши автоматизации и внедрение ИИ качественным и надёжным.

Принципы, принципы, принципы

Для того, чтобы ваши продукты получались качественными, надёжными и реально помогали этому миру, вам нужно опираться на принципы. Многие думают, что чем больше денег они потратили на проект, чем больше агентов внедрили, чем «умнее» LLM‑модель они поставили в обработку, тем лучше. На самом деле, я даже готов стоя аплодировать тому человеку, который поставит в свою автоматизацию «gpt astra-6» или «fable 5.1». Это действительно смело. Но вот только мои аплодисменты резко сменятся фейспалмом, когда окажется, что эти умнейшие модели будут автоматизировать написание статей по «сбору грибов» и «Как правильно засолить огурцы». Это как попросить Моцарта или Баха выступить на утреннике в садике или же купить Бугатти, а потом вспомнить, что в России по городу больше 60 км/ч ездить нельзя. В общем, чтобы такого не получилось, я и придумал свои принципы для того, чтобы ваши продукты были как швейцарские часы — надёжные и ничего лишнего.

Принцип «Микеланджело» (не черепашка, а великий скульптор)

Начать бы хотел именно с этого, так как мне кажется, что этот принцип полезен не только тем, кто занимается автоматизациями. Он настолько банален, и уверен, что многие про него слышали. Суть его в том, что всегда нужно стараться избавляться от лишнего, чтобы не только «облегчить» автоматизацию, но и сэкономить деньги и ресурсы. Этот принцип применяется, когда вы задаёте себе такой вопрос: «Зачем я это делаю?», «Я могу без этого?».

Пример: я сегодня запустил тест своего ИИ‑консультанта для одного интернет‑магазина. У него есть БД с товарами. На момент создания автоматизации поиска товара по запросу я решил, что в 1-й строчке таблицы у меня будут метаданные товара (категория, бренд), а также векторы для семантического поиска. Знали бы вы, как много нервов я потратил на то, чтобы нормально настроить эмбеддинги и так далее, сколько времени я убил для того, чтобы товары не смешивались в выдаче. А потом я задал себе вопрос: «А зачем мне вообще нужны векторы?»

Как вы поняли, я не смог ответить себе на этот вопрос. В итоге я «отсёк» лишнее и убрал не только цепочку, по которой к каждому товару создавался вектор, а ещё и ограничил количество товаров, которое попадало в БД. Например, я убрал из БД товары под категорией «батарейки», потому что и так понятно, что в каждом магазине электроники есть батарейки, и клиент не будет интересоваться: «А у вас есть батарейки именно тошиба lr6sp pro max duo perfect super plus.....». Нет, он просто спросит «Батарейки есть?».

Таким образом я не просто время сэкономил, а еще и деньги, которые бы уходили на создание векторов для товаров.

Принцип 2 — ищите параллели с жизнью

Этот принцип мне подсказала нейросеть, и я считаю, что это поможет вам ответить на вопросы, как правильно построить цепочки и архитектуры. Суть этого принципа — посмотреть, как бы человек выполнял ту или иную автоматизацию. Нужен этот принцип для того, чтобы вы сами могли строить архитектуры для своих проектов и не подглядывали на ютубе эти бессмысленные, на мой взгляд, «Шаблоны n8n на все случаи жизни». Всё очень просто.

Давайте рассмотрим пример с автоматизацией контента. Представьте, что компания, для которой нужен контент‑завод, купила не автоматизацию, а вас. Да‑да, теперь именно вы должны делать контент для магазина по продаже свечек от «Негативных мыслей» и «На богатого мужа». Что вы будете делать? Конечно же, начнёте делать этот контент и сядете за написание первого видео. Вот тут уже можно сказать, вы приступили к работе и запустили создание видео. Далее вы начинаете думать, какое же видео или пост вам сделать. Потом вы приступаете к написанию текста, ищете подходящие картинки. В конце концов вы либо сами проверяете, либо отдаете клиенту на проверку ваш контент и потом публикуете, вместе с этим думая, что так стоит делать утром, днём и вечером.

Только что мы накидали самую простую автоматизацию контент‑завода. Триггер — Создание сценария — Генерация текста — генерация картинки — подтверждение — реализация. Сначала мы сели и твёрдо решили, что сделаем видео — это как создать триггер, по которому будет запускаться процесс. Следующее, что вы сделали, — это придумали идею для контента, значит, после триггера можно поставить этап создания сценария. Далее вы напечатали текст и нашли картинку — в автоматизации это может быть как 2 шага, где первый — это простой запрос к нейросети «напиши статью на тему (вставить то, что придумалось на прошлом этапе)», а второй шаг — тоже запрос к LLM «сгенерируй картинку на тему (вставить то, что придумалось на прошлом этапе)». Потом, как мы помним, идёт этап проверки. Можем сделать так, что LLM сама себя проверяет, или готовый пост присылает вам и ждёт подтверждения. Ну а дальше уже через API сервиса, на котором вы хотите выкладывать контент, настраиваем всё как надо.

Таким образом можно построить любую автоматизацию, постоянно проводя параллели с тем, а как бы это сделал человек.

Принцип 3 — улучшайте и адаптируйте

Ну тут всё просто. Когда мы только запускаем наш проект в продакшн, то кажется, что можно расслабиться, наслаждаться тем, как наша работа приносит результаты, хвастаться тем, какую классную автоматизацию вы сделали. Но тут начинается самое интересное...

Вдруг выясняется, что на просторах интернета завирусился новый стартап от малоизвестной компании. Этот стартап позволяет сократить вашу автоматизацию на несколько шагов, превратив, допустим, передачу данных в один простой шаг вместо отправки в разные сервисы одного и того же файла для получения желаемого результата. Теперь вам просто необходимо адаптировать свою автоматизацию к новым реалиям, иначе через пару лет вы «отстанете» от мира технологий и вас обгонят те, кто следит за новостями и, что самое главное, быстрее адаптируют себя, свои продукты к реалиям.

Немаловажно и то, что в ста процентах случаев ваша автоматизация после запуска в продакшн будет сама показывать те места и недочёты, которые вы не учли при тесте. Поэтому после запуска проектов не забывайте адаптировать их к реальным данным, людям и так далее. Придумывайте новые цепочки, которые упростили бы воркфлоу, адаптируйте их к новым возможностям, которые появляются на рынке технологий, — и тогда ваши работы станут по‑настоящему эффективными для людей, бизнеса и мира.

Заключение

В заключение хотелось бы сказать, что на ваши результаты будет влиять только практика. Сколько бы вы материалов бы ни прочли, сколько бы видео про автоматизации ни смотрели, всё равно вы научитесь делать по‑настоящему классные воркфлоу только тогда, когда будете набираться практического опыта.

Желаю всем и каждому успехов, удачи и не останавливаться в обучении. Буду очень рад, если вы будете поддерживать меня.