# Когда я строю AI-агентов, я снова и снова вижу одни и те же ключевые проблемы.

Когда я строю AI-агентов, я снова и снова вижу одни и те же ключевые проблемы. Особенно в сценариях wellbeing / поддержки:
Tone of voice (TOV) — единообразие, теплота, отсутствие осуждения в каждом взаимодействии.

Author: Максим Толмачёв
Published: 2026-02-22
Language: ru
Canonical: https://maximtolmachev.com/ru/blog/when-building-ai-agents-i-keep-seeing-the-same-core-problems/
Original source: https://www.linkedin.com/in/mtolmachev/recent-activity/all/

Когда я строю AI-агентов, я снова и снова вижу одни и те же ключевые проблемы.

Особенно в сценариях wellbeing / поддержки:

Tone of voice (TOV) — единообразие, теплота, отсутствие осуждения в каждом взаимодействии.
Качество продукта — стабильность ответов, обработка пограничных случаев, понимание, когда нужно эскалировать.
Структурированные системы памяти — агент должен помнить контекст между сессиями, не галлюцинируя прошлые разговоры.

Поработав над несколькими реализациями агентов, вот что, как я выяснил, действительно работает:

1. Единообразный TOV требует многослойной архитектуры промптов. Не просто system prompt — а примеры, guardrails и петля обратной связи, которая ловит дрейф тона.

2. Качество идёт из структурированной оценки. Прогоните агента через 100+ реальных сценариев, оцените каждый ответ и отслеживайте регрессии. Короткого пути здесь нет.

3. Память должна быть явной, а не магической. Храните структурированные факты (а не сырые логи разговоров), используйте retrieval с оценкой релевантности и всегда давайте пользователю возможность поправить память агента.

Команды, которые выпускают надёжных агентов, относятся к ним как к продуктам, а не как к демо. Они измеряют, итерируют и имеют чёткие планки качества до запуска.
