С чего начать вхождение в тему ИИ-агентов? Решил написать пост больше для новичков, но вероятно тут будут интересные моменты и для профессионалов, т.к. я предлагаю «ставить на тренды». Если вы бизнес-менеджер или студент, но хотите создавать решения для бизнеса и не стать бомжом от ИИ, а богатым человеком, то нужно осваивать агентов. Я считаю, что лучшая ставка сейчас на DeepSeek + DeepSeek Harness. Я не рекомендую Claude для новичков, т.к. его «дуракоустойчивость» — коварная штука: модель съест кривые команды. Китайские модели типа DeepSeek вас больше приучат к дисциплине управления моделями, т.к. жёстче реагируют на ошибки в промптах и менее склонны к «самодеятельности», как Claude. Плюс Claude будет сокращать долю в России из-за набегов РКН на VPN, банов Дарио из-за санкций против РФ, а также после IPO Дарио придётся сокращать дотации на убыточные подписки. Для простых агентов можно применять легкие SLM от Qwen. Бесплатно несколько миллионов токенов DeepSeek вы можете взять на https://tokenharbor.ai/ Лёгкие Qwen 3.6 можно за 768 ₽/мес в анлиме взять тут https://hub.neuraldeep.ru/?ref=CWDYEK3 Почему DeepSeek Harness? Дело не только в его гибкости на плагинах, а в том, что в ИТ-технологиях плохая идея «п**ь против ветра». Если вендор выпустил обвязку для агентов и учит уже модель на неё, то долгосрочно тому же Pi и другим обвязкам конец при эксплуатации с DeepSeek, т.к. провал в надёжности агента будет быстро прогрессировать. Нативное RL-обучение на обвязку — это серьёзно. Далее вам нужно представить, как будут выглядеть агентские приложения, и сразу правильно делать архитектуру. Это не будет выглядеть как 1С — долгосрочно ему скорее хана от ИИ даже. Вам обязательно нужно строить приложение примерно как на экране: 🔹 Вся ваша бизнес-логика оформлена как MCP, которым может пользоваться рой агентов DeepSeek Harness. Времена, когда кожаные были операторами ПО, быстро заканчиваются: новым приложениям «фронт» вообще не нужен, если пользователи — это отряд ИИ-агентов. 🔹 Учитесь сразу же управлять коллективом агентов, как делают профессионалы в ИТ в профессиональном инструменте вроде DeepSeek Harness, т.к. это не сложно, но сразу даёт доступ к переднему краю достижений в агентских технологиях. 🔹 Если вам нужны отчёты и формы ввода, то делайте их в концепции «артефактов», как на скрине, через странички веб-сервера. Агент может вам дать их открыть прямо внутри DeepSeek Harness. 🔹 Предпочтительный стек: бэкенд на Python, а веб-артефакты на React. Современные LLM лучше всего обучены на такие стеки, что даст вам максимальную надёжность, особенно если модели сразу давать указание списком на высоконадёжные библиотеки. 🔹 Правильно применяйте разные LLM под задачи агентов. Для разработки применяйте DeepSeek, для эксплуатации агентов часто хватит SLM от Qwen. Сам я свои курсы обучения также адаптировал под такие технологические подходы.