Настройка AI-агентов для ускорения бизнес-процессов компании
XelaBot построен из нескольких слоёв: постоянного контекста в рабочих файлах, правил по каждому проекту, набора инструментов, расписаний, проверок и коротких отчётов. Агент работает с браузерами, файлами, shell-командами, FTP, SSH, CMS, CRM и API, управляет cron-задачами, генерирует изображения и видео, отправляет сообщения в Telegram и проверяет сайты через HTTP и скриншоты.
В публикационном процессе задача считается выполненной только после проверки публичной страницы, URL, обложки, карточки в блоге, микроразметки, RSS, sitemap и других служебных файлов. Отдельный watchdog проверяет результат после основной cron-задачи, исправляет безопасные сбои и обращается к человеку только при необходимости логина, капчи или ручного действия. По оценке автора, параллельная работа субагентов ускорила виртуальный офис в 10 раз, а распределение задач между разными LLM позволяет отдавать простые операции более дешёвым моделям, а финальные проверки — более сильным.
Система уже используется для ежедневных публикаций на нескольких сайтах, технического контроля проектов, генерации визуалов, аналитики в CRM, общения с клиентами, оформления заказов, приёма оплат и ведения статистики. Основные сложности — не дать агенту спутать процесс с результатом, ограничить объём читаемого контекста и заставить его выдавать человеческий статус вместо внутренних логов и технических рассуждений.
Коротко
- XelaBot хранит правила проектов в рабочих файлах и использует их как постоянный контекст между отдельными сессиями.
- Завершение cron-задачи не считается успехом: отдельный watchdog проверяет страницу, URL, обложку, RSS и микроразметку.
- Субагенты работают параллельно в отдельных сессиях, а задачи распределяются между LLM разной стоимости и мощности.
- По опыту автора, параллельная схема с субагентами позволила ускорить работу виртуального офиса примерно в 10 раз.
- При перегрузке памяти агент начинает хуже работать, поэтому правила пришлось сокращать и подгружать только под текущую задачу.
FAQ
Зачем бизнесу превращать AI-ассистента в систему агентов с проверками, расписаниями и внешними интеграциями?
Чтобы автоматизация не заканчивалась генерацией текста или запуском команды, а доводила задачу до проверенного результата без постоянного ручного контроля.
Как XelaBot определяет, что публикация действительно завершена, а не только формально прошла через CMS или cron?
Он открывает публичную страницу и проверяет URL, текст, обложку, карточку в блоге, микроразметку, RSS, sitemap и служебные файлы.
В каких случаях AI-агент всё же передаёт задачу человеку, а не пытается исправить проблему самостоятельно?
Человек подключается, когда для продолжения нужен личный логин, прохождение капчи или другое действие, которое нельзя безопасно автоматизировать.
Читайте также
Rich Messages в Telegram-ботах: сложные сообщения, черновики и ограничения- Как я добавил MAX в китайский AI-мост и запустил Claude прямо в мессенджере
- Окупаемость ИИ: сколько малый бизнес теряет на рутине
- Почему ваш проект по внедрению ИИ умрёт на старте
- ИИ добрался до раритетов: цены на память DDR2 выросли на 60% за три месяца
- Критерии фактического завершения задач AI-агента: AI-агент не должен считать задачу выполненной по успешному ответу API, завершению cron или сохранению записи в CMS. Для каждой операции нужно задавать проверяемое конечное состояние: публичный URL открывается, контент отображается корректно, обязательные элементы присутствуют, а связанные системы обновлены.
[Регламенты AI-автоматизации]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Практический кейс настройки XelaBot — системы AI-агентов и субагентов, которая автоматизирует публикации, технические проверки, работу с CMS, CRM и клиентскими процессами. Главный принцип автора: агент должен отвечать не за запуск действия, а за проверенный конечный результат.