Как я сломал свой проект дважды, прежде чем он заработал

Почему дебаты AI-агентов провалились и как я это исправил

Вы когда-нибудь строили систему, которая должна быть умной, а получался шум? Я потратил дни на архитектуру с шестью AI-агентами, которые спорили друг с другом, но точность составила 2%. В этой статье я расскажу, как отказ от сложных дебатов в пользу простой цепочки задач превратил провал в рабочий инструмент.

Раунд первый: клуб дебатов

Моя первая идея для хакатона звучала круто: шесть AI-агентов с ролями — безопасность, архитектура, производительность — спорят в несколько раундов и приходят к единому ответу. Мини-панель экспертов. Я построил это, запустил на уязвимом тестовом коде и получил 127 находок. Радость длилась четыре минуты, пока я не прочитал их: только три были реальными. Остальные 124 — агенты вежливо соглашались друг с другом о несуществующих проблемах или повторяли одну и ту же ошибку пятью разными способами. Точность — около 2%. Хуже, чем одна модель в одиночку. Я потратил дни на логику дебатов, а результат — ноль.

Раунд второй: тише, но лучше

Я разобрал всё. Никаких раундов дебатов, никаких шести кричащих агентов. Оставил четыре, каждому — ровно одну задачу, и — это ключевое — сделал их зависимыми по порядку, а не одновременными. Первый агент составляет карту кода. Второй и третий используют эту карту для анализа безопасности и качества по отдельности. Последний сравнивает находки, отбрасывает дубликаты и — важно — проверяет номера строк в реальном файле, а не верит AI на слово. Тот же тестовый файл: реальные уязвимости, правильно отмечены, ничего выдуманного. На чистом коде система сказала, что всё в порядке, — это было даже приятнее, чем найти баги.

Раздражающий урок

Я хотел, чтобы проект впечатлял: больше агентов, больше дебатов, «смотрите, как сложно». Сработало скучное решение: меньше агентов, чёткие роли, один проверяет работу другого вместо всеобщего шума. Я назвал финальную версию Synod — совет, который действительно обсуждает и выносит вердикт, а не толпа, создающая шум. Версия на GitHub сегодня — вторая архитектура. Она работает на Alibaba Cloud, использует Qwen, включает CLI для просмотра кода, чата о проекте или сканирования репозитория прямо из терминала. Если хотите покритиковать или использовать — это open source: github.com/02NIN20/Synod. Создано для Global AI Hackathon Series с Qwen Cloud — Track 3: Agent Society.

Что делать прямо сейчас

Возьмите свой текущий проект с AI-агентами. Если точность низкая, попробуйте: сократите число агентов, дайте каждому одну конкретную задачу, выстройте цепочку, где следующий агент проверяет предыдущего. Уберите параллельные дебаты — они создают шум. Запустите тест и сравните результаты. Вы удивитесь, как простое решение побеждает сложное.

# Пример простой цепочки агентов на Python
class Agent:
    def __init__(self, role, task):
        self.role = role
        self.task = task

    def run(self, input_data):
        # Здесь был бы вызов LLM
        return f"{self.role}: обработал {input_data}"

# Цепочка: первый агент создаёт карту
agent1 = Agent("картограф", "построить карту кода")
map_result = agent1.run("исходный код")

# Второй и третий используют карту
agent2 = Agent("аналитик безопасности", "найти уязвимости")
security_result = agent2.run(map_result)

agent3 = Agent("аналитик качества", "проверить стиль")
quality_result = agent3.run(map_result)

# Четвёртый объединяет и проверяет
agent4 = Agent("верификатор", "слить и проверить строки")
final_result = agent4.run(f"{security_result}\n{quality_result}")
print(final_result)  # Вывод: только реальные проблемы

Попробуйте этот шаблон в своём проекте. Убедитесь, что каждый агент не просто генерирует текст, а проверяет факты — например, сверяет номера строк с исходным кодом. Это повысит точность с 2% до 90% и выше.