Почему один промпт не заменит редакцию: опыт построения мультиагентной AI-системы

Первая версия системы работала через один промпт, который должен был одновременно извлечь факты, проверить их, найти контекст в архиве издания, переписать в нужном стиле и не допустить ошибок. Результат: 40% текстов требовали серьёзной доработки или были непригодны к публикации.

Решением стала мультиагентная архитектура — пять отдельных AI-модулей, каждый из которых отвечает за одну задачу.

1. Fact Extractor извлекает сущности.
2. Fact Checker сверяет их с источником.
3. Background Finder ищет релевантные публикации в архиве издания.
4. Draft Writer пишет черновик в стиле конкретного СМИ.
5. Critic оценивает результат и при необходимости возвращает на доработку.

Ключевое преимущество подхода — наблюдаемость. Когда текст получается некачественным, можно точно определить, на каком этапе произошёл сбой, и исправить конкретный модуль, не затрагивая остальные.

С монопромптом это невозможно: каждое изменение в формулировке запроса непредсказуемо влияет на все аспекты результата.

Себестоимость одного рерайта через полный пайплайн из пяти агентов составляет около 14 центов. При тарифах от 30 до 55 тысяч рублей в месяц за сотни рерайтов это пренебрежимо малая величина по сравнению с ценой фактической ошибки в публикации.

При этом мультиагентный подход оправдан не всегда. Для задач вроде пересказа или создания саммари достаточно одного качественного промпта.

Агентная архитектура необходима, когда задача декомпозируется на несколько подзадач с разными требованиями, нужны внешние инструменты и ошибки обходятся дорого.