Создание ИИ-агентов: пошаговый разбор с нуля в 2026

Создание ИИ-агентов в 2026 году упирается в шесть настроек: системный промпт, модель, параметры, навыки, память и таймер. Кода не нужно ни на одном шаге. Первый рабочий агент собирается в браузере за полчаса, а дальше живёт в десктопном приложении или в облаке и запускается сам по расписанию. Деньги считаются тоже быстро: одна задача агента — примерно 100 000 токенов, около 7,9 ₽, а при регистрации дают 1 000 000 токенов однократно. Этого хватит примерно на десять задач, чтобы понять, нужен вам агент вообще или разговор про нейросеть для создания агентов был лишним. Дальше — устройство агента по частям, пошаговая сборка первого, разница между DeepSeek V4 Flash и V4 Pro на практике, цены и честный список случаев, где агент не сработает. Все цифры и версии — по состоянию на сентябрь 2026.

Из чего состоит ИИ-агент?

Увеличить

Агент на AgentHere — это системный промпт плюс модель, параметры, навыки, память и таймер. Части независимы: можно поменять модель, не трогая промпт, или дописать навык, не пересобирая агента целиком.

Промпт весит больше, чем модель. Две копии одного DeepSeek V4 с разными промптами дают разный результат, и на этом ломается большинство первых попыток: человек берёт V4 Pro, пишет «ты полезный ассистент» и получает ровно то же, что в обычном чате. Рабочий промпт — это роль в одну фразу, список того, что агент делает, список того, чего он не делает, и формат ответа. Пять-семь пунктов, не больше: длинные инструкции модель начинает игнорировать выборочно.

Чем агент отличается от чат-бота и от обычного чата — разбирали отдельно в материале про AI-агентов. Коротко: бот отвечает по сценарию, чат отвечает на один вопрос, агент ведёт задачу до результата и помнит договорённости между сессиями.

Навык — это markdown-файл с инструкцией под одно умение: как разобрать таблицу, как собрать коммерческое предложение, как проверить договор по чек-листу. Туда же уходит вся рутина, которую неудобно держать в промпте: длинные правила, примеры, порядок шагов. Память работает иначе — это одна строка на пользователя, куда агент записывает факты о вас: чем занимаетесь, какие формулировки не нравятся, какой формат отчётов нужен. Память не заменяет промпт и не хранит документы; для больших объёмов нужны другие механизмы, о которых мы писали в разборе архитектуры агентных систем.

Есть и третья часть, о которой вспоминают позже всех, — параметры. Температуру снижают там, где агент извлекает факты из документа, и поднимают, когда он пишет черновик. Максимальную длину ответа ограничивают, если агент любит растекаться на три экрана вместо таблицы. Обе настройки лежат в форме рядом с моделью, и их чаще всего оставляют по умолчанию зря.

DORA 2025: ИИ используют 90% технических специалистов, но 30% почти или совсем не доверяют тому, что он выдаёт. У Stack Overflow 2025 — 52% респондентов не используют агентов вообще, а 87% беспокоит точность их ответов. Это не аргумент против агентов. Это аргумент за то, чтобы ставить их на задачи с проверяемым результатом.

Как собрать первого агента: пошагово

Порядок ниже проверен на своих агентах, и он не начинается с интерфейса. Сначала роль на бумаге, потом кнопки. Если вы вообще не писали промптов, посмотрите инструкцию по созданию агента без программирования — там разобраны формулировки и разница между описанием роли и описанием задачи.

1. Сформулируйте роль одной фразой. Плохо: «помощник по работе». Рабочая версия: «проверяю договоры поставки и отмечаю риски, которые нужно согласовать с юристом».
2. Перечислите, что агент делает и чего не делает. Пять-семь пунктов. Отдельно пропишите запреты: не выдумывать номера пунктов, не считать суммы, не давать окончательных юридических выводов.
3. Задайте формат ответа. «Таблица: пункт, риск, что предложить» работает лучше, чем «подробный анализ», потому что результат проверяется глазами за десять секунд.
4. Выберите модель. Начинайте с DeepSeek V4 Flash: он дефолтный и дешёвый. На V4 Pro переходите, когда Flash ошибается на рассуждении, а не на формате.
5. Добавьте два-три навыка, не больше. Навык — это файл SKILL.md с инструкцией под конкретное умение, и десять навыков сразу размывают роль так же, как десять задач в одном промпте.
6. Прогоните пять тестовых задач из своей практики, включая одну невыполнимую. Агент должен отказаться, а не придумать ответ.
7. Включите память и таймер после того, как агент перестал ошибаться на тестах. Не раньше: вы будете менять промпт каждые два дня, а память будет тянуть в диалог старые договорённости.

Полчаса уходит на шаги 1–3 и ещё двадцать минут на прогон. Если после пятой тестовой задачи агент всё ещё ошибается, дело почти никогда не в модели. Промпт либо слишком общий, либо пытается закрыть три роли одной инструкцией.

Тестовые задачи стоит брать из уже сделанной работы, где вы знаете правильный ответ. Иначе получится проверка правдоподобия: ответ выглядит разумно, а ошибку вы заметите через месяц на реальном документе. По замерам Anthropic, 61% задач по разработке агент доводит до конца против 78% у личных задач (Anthropic Economic Index) — то есть чем ближе задача к рабочей рутине со своими правилами, тем чаще агент спотыкается. Тестовый прогон на своих примерах — самый дешёвый способ узнать, где именно споткнётся ваш.

Смысл всей настройки — в том, чтобы агент делал работу, а не подсказывал, как её делать. По тому же индексу, в Claude Code 79% диалогов — автоматизация (ИИ выполняет задачу сам) против 49% в обычном чате (Anthropic). Разница набирается из мелочей: права на файлы, навыки, память. Без них агент быстро превращается в ещё один чат с красивым названием.

Как это делать в AgentHere

Ниже — маршрут целиком, со ссылками на нужные экраны.

1. Зарегистрируйтесь на странице регистрации. После подтверждения email на счёт приходят 1 000 000 токенов — однократный бонус, а не ежемесячная квота. При регистрации платформа сама ставит агента «Персональный помощник», так что первый диалог можно начать без настройки.
2. Посмотрите готовых агентов в маркетплейсе. Там шесть контент-шаблонов — дизайнер, разработчик, юрист, маркетолог, персональный помощник и репетитор. Шаблон можно взять как основу и переписать промпт под себя, а не собирать с пустого листа.
3. Соберите своего на /dashboard/agents/new. Форма открывается в двух режимах: «Мастер» ведёт по шагам (тип агента, имя, стиль общения, язык), «Расширенный» показывает всё сразу — Имя агента, Описание, Системный промпт, Модель, Температуру, лимит токенов и Инструменты: поиск в интернете, выполнение кода, работа с файлами.
4. Выберите модель в поле «Модель». Доступны DeepSeek V4 Pro и V4 Flash, контекст у обеих — 1 048 576 токенов. Flash стоит дешевле и отвечает быстрее, Pro нужен там, где агент должен удержать много условий одновременно.
5. Добавьте навыки из каталога — там 71 готовый навык, от разбора таблиц до рекламных текстов. Каждый навык — это markdown-файл SKILL.md с YAML-frontmatter и пошаговой инструкцией. Свой навык собирается в /skills/create.
6. Включите память, если агент должен помнить контекст между сессиями. Панель «Память» живёт в /dashboard/settings: записать можно до 16 000 символов, в промпт подставляется до 4 000. Работает только для залогиненных пользователей.
7. Поставьте таймер в /dashboard/timers. Исполнителей два: облачный агент или ваш компьютер. Если компьютер выключен, задание не пропадает — оно дождётся следующего подключения. Это разница между «агент раз в неделю по пятницам» и «я вспоминаю о нём раз в месяц».
8. Установите приложение, если планируете давать агенту доступ к файлам и папкам: страница загрузки, сборки под Windows 10+, macOS 12+ и Linux x64. Файлы в чат грузятся и в веб-версии — изображения до 20 МБ, документы до 100 МБ, но работа с локальными папками идёт только из десктопа. Перед первым запуском по проекту прочитайте гайд по настройке ИИ-агента для кода: там про права, ветки и ревью — то, что дороже всего исправлять после, а не до.

Один агент — одна роль. Если у вас разбор договоров и ведение соцсетей, это два агента: общий промпт на две задачи даёт средний результат на обеих. Тарифы и лимиты — на странице цен.

DeepSeek V4 Pro или V4 Flash: что выбрать агенту?

У обеих моделей контекст 1 048 576 токенов и лимит ответа 32 768. На практике это значит, что в один диалог целиком влезает большая кодовая база или трёхсотстраничный PDF, и агент не теряет начало документа к середине. Контекст одинаковый, разница — в том, сколько шагов рассуждения модель делает до ответа.

Flash ставят по умолчанию, и для большей части задач этого достаточно: переписать текст по шаблону, разобрать таблицу, собрать выжимку из десяти страниц, ответить по инструкции навыка. Pro заметно лучше там, где нужно удержать несколько условий сразу: сверить договор со своим чек-листом и не потерять ни один пункт, разложить инцидент на причины, пройти по многошаговой инструкции с ветвлениями.

Чего вы здесь не найдёте: Claude и GPT платформа не отдаёт, запрос к этим моделям возвращает 404. Выбор — между V4 Pro и V4 Flash в интерфейсе, плюс glm-5.2 и glm-4.7-flash для тех, кто работает через API. По состоянию на сентябрь 2026 это так.

Смена модели на Pro не вылечит кривой промпт. Если агент отвечает не в том формате или берётся за то, что вы запретили, — переписывайте инструкцию, а не переключайте модель. Переключение помогает в одном сценарии: инструкции агент выполняет верно, но делает выводы поверхностно.

Сколько стоит создание и работа агента?

Само создание — ноль. Платформа берёт деньги за токены, которые агент тратит на работу, а не за количество агентов в кабинете. Считать удобно в задачах: одна задача агента — примерно 100 000 токенов, то есть около 7,9 ₽.

Пакеты разовые, автопродления нет: Starter — 300 ₽ за 2 000 000 токенов, Plus — 900 ₽ за 7 000 000, Pro — 2 250 ₽ за 18 000 000, Scale — 8 250 ₽ за 70 000 000. Новичку первые 48 часов после регистрации считают по −33%: 200 ₽, 600 ₽, 1 500 ₽ и 5 500 ₽ соответственно. Купленные токены не сгорают — можно вернуться к работе через полгода и потратить остаток.

Отдельная строка — облачный агент. Аренда в облаке — 25 000 токенов в час, около 1,67 ₽. Если держать его включённым круглосуточно, набегает порядка 60 ₽ в сутки, и для агента, который запускается раз в неделю, это переплата: дешевле поставить таймер на свой компьютер.

Платные пакеты нужны не всем. Десять задач в месяц — это примерно миллион токенов, то есть ровно тот бонус, который дают при регистрации. Если агент занят сильнее, считайте не по прайсу, а по своему расходу: в кабинете видно, сколько токенов ушло на конкретную задачу, и через неделю работы вы будете знать свою цифру точнее любого прогноза. Ещё один способ не платить — приглашать: приглашённый получает 1 000 000 токенов, а пригласивший — 10% от его покупок навсегда.

Когда это не сработает

По опросу SkillStaff, ИИ открывают ежедневно или несколько раз в неделю 74% ИТ-специалистов, а для написания кода его применяют только 25% (CNews). Разрыв не про лень: часть задач агент действительно не тянет. Вот список случаев, где он вам не нужен.

Задача одноразовая. Разобрать один документ быстрее руками, чем настраивать роль, навыки и тесты. Агент окупается с третьего-четвёртого повторения одной и той же работы.

У вашей системы нет API. Агент не достанет данные из 1С, самописной CRM или внутренней базы, если наружу не выведен программный доступ. Работать с внешними системами он умеет через MCP-серверы — открытый стандарт подключения ИИ к инструментам, который его создатели сравнивают с USB-C для приложений (modelcontextprotocol.io). Но если подключать нечего, агент упрётся в то, что вы сами ему принесли.

Нужна ответственность. Юридические заключения, медицинские решения, налоговую отчётность агент готовит как черновик. Подпись ставит человек, и это не перестраховка: в замерах Anthropic успешность задач по разработке — 61% против 78% для личных задач.

Нужна точная арифметика. Модель ошибается в расчётах и уверенно выдаёт неверную сумму. Считайте кодом или таблицей, агенту оставляйте сбор данных и формулировки.

Агент читает чужой контент. Скрытые инструкции можно спрятать в веб-странице, письме или комментарии к задаче — это prompt injection, и он работает (GitHub Docs). Отдельная разновидность — инъекция аргументов: агент с формально безопасной командой доходит до выполнения произвольного кода, потому что флаги не проверяются (CVE-2025-54795 в Claude Code, разбор на Хабре). Практический вывод простой: агенту не выдают пароли, ключи и доступы к продакшену, а его действия с внешними системами ограничивают правами, а не вежливой просьбой в промпте — запреты в настройках доступа работают даже тогда, когда модель уже согласилась их нарушить (Anthropic Docs).

Результат «почти правильный». Раздражение номер один по Stack Overflow 2025 — ответы, которые выглядят верными и ломаются на деталях (66% респондентов). Это самая дорогая категория ошибок: их не видно при первом чтении.

Добавьте сюда лимиты платформы: анонимный чат — пять сообщений в час без сохранения истории, а число веб-диалогов в кабинете ограничено двадцатью. Для агента, который должен отвечать клиентам круглосуточно, это значит, что разговор переносится в десктоп или в API.

Если после этого списка задача всё ещё выглядит подходящей — начните с одного агента. Зарегистрируйтесь, возьмите «Персонального помощника» из маркетплейса на странице агентов, прогоните пять своих задач и посчитайте расход в кабинете. Миллиона токенов на старте хватит, чтобы получить ответ на главный вопрос: делает ли агент работу за вас или создаёт новую.

Источники

1. DORA 2025: баланс ИИ в разработке и отчёт DORA 2025
2. Stack Overflow Developer Survey 2025: AI
3. Anthropic Economic Index: влияние на разработку ПО и отчёт январь 2026
4. Model Context Protocol: введение
5. GitHub Docs: риски и защита агентов
6. Хабр: инъекция аргументов в ИИ-агентов, CVE-2025-54795
7. SkillStaff: 74% ИТ-специалистов используют ИИ регулярно
8. Anthropic Docs: безопасность и правила доступа агента