Допустим, вы построили конвейер передачи данных. Собрали множество агентов в нужную вам конфигурацию, например в последовательную цепочку. Прогнали ее на контрольном множестве примеров и получили ожидаемые результаты. Более того, в большинстве случаев система работает в допустимых рамках, но на определённых вопросах просто рассыпается. И тут помимо удивления возникают вопросы — почему так и как все исправить? Самое быстрое решение — доработать промпты. Но правка промптов, написание скилов это в каком‑то смысле поиск пути наощупь. Причина, по которой ваша мультиагнетная система (MAS) может резко изменить своё поведение весьма вероятно кроется в свойствах системы, а не отдельных её частей.

Как это ни странно, но именно свойсва системы как целого дают нам возможность видеть картинку целиком и более осмысленно работать с ней, с ее конфигурацией и свойствами. Это не значит что нет смысла разбираться в тонкостях отдельных LLM, новых архитектурах и принципах построения моделей. Просто нужно учитывать что в какой‑то момент свойства системы как целого могут играть большую роль в получении стабильного результата.

Представьте LLM, которая никогда не галлюцинирует, никогда не ошибается. На один и тот же запрос всегда выдаёт один и тот же ответ — символ в символ. Можно ли тогда наконец относиться к LLM‑системе как к обычному коду — как к фиксированному, предсказуемому алгоритму?

Скорее нет, чем да.

И дело тут не в качестве модели. Предсказуемость отдельного компонента не гарантирует предсказуемость системы, собранной из таких компонентов. Даже если завтра появится LLM с нулевым уровнем галлюцинаций, многоагентный пайплайн, построенный на её основе, всё равно может вести себя непредсказуемо. Просто источник непредсказуемости смещается — с вероятностной природы самой модели на архитектуру взаимодействия агентов. И я хочу вам это доказать на простом примере.

По моим наблюдениям последние года два‑три вендоры потратили на то, чтобы сделать LLM предсказуемее. Тут вам и RAG и fine‑tuning, верификация выходов, низкая температура, жёсткие промпт‑шаблоны. Более того, в узких доменах это работает — уровень галлюцинаций становится совсем незначимым.

Именно это позволило перейти от единичных запросов к многоагентным архитектурам. Вместо одной универсальной модели, мега чат‑бота теперь у нас цепочка специализированных агентов. Каждый из них решает свою маленькую подзадачу и передаёт результат дальше — все в лучших традициях дедушки Форда.

Логика на первый взгляд простая: если каждое звено надёжно, надёжна и вся цепочка. Но, к сожалению, это не всегда так. И на простейшем демонстрационном проете я попытаюсь показать суть явления.