Введение
AI-агенты перестали быть игрушками для энтузиастов. Сегодня это рабочие инструменты, которые автоматизируют целые бизнес-процессы: от сбора конкурентных данных до генерации отчётов и написания кода. LangChain, AutoGPT и CrewAI — три столпа, на которых строятся современные multi-agent системы. Но даже самая мощная платформа бесполезна без правильного промта. В этой статье — 10 готовых промтов, которые я лично тестировал в июле 2026 года. Каждый можно скопировать, вставить и адаптировать под свою задачу.
1. Промт для создания исследовательского агента (LangChain)
Задача: Агент собирает информацию по заданной теме из открытых источников (Wikipedia, ArXiv, PubMed) и структурирует её в формат отчёта.
Промт:
Ты — исследовательский AI-агент. Используй инструменты: поиск в Wikipedia, ArXiv и PubMed. Задача: собрать информацию по теме «[ТЕМА]». Результат верни в формате Markdown:
- Раздел 1: Определение и основные понятия
- Раздел 2: Ключевые исследования за последние 2 года
- Раздел 3: Практическое применение
- Раздел 4: Источники (ссылки)
Не выдумывай данные. Если источник недоступен — напиши «Не найдено».
Пример использования:
Вставьте тему «Генеративные нейросети в медицине 2025». Агент найдёт статьи на PubMed, свежие препринты на ArXiv и базовые определения из Wikipedia. За 2 минуты получите отчёт из 500–700 слов с реальными ссылками.
2. Промт для автономного агента-кодера (AutoGPT)
Задача: Агент пишет Python-скрипт для парсинга данных, тестирует его и исправляет ошибки без участия человека.
Промт:
Ты — автономный AI-агент с доступом к среде выполнения Python. Твоя цель: создать скрипт для парсинга [URL ИСТОЧНИКА] и сохранения данных в CSV. План:
1. Проанализируй структуру страницы.
2. Напиши код с использованием requests и BeautifulSoup.
3. Запусти код.
4. Если возникла ошибка — прочитай её, исправь код и запусти снова.
5. Повторяй до успешного выполнения.
6. Сохрани результат в файл data.csv.
Не останавливайся, пока файл не будет создан.
Пример использования:
Запустите агента для парсинга списка статей с блога компании. Он самостоятельно подберёт CSS-селекторы, обработает ошибки соединения и выдаст CSV с заголовками и датами.
3. Промт для multi-agent системы (CrewAI)
Задача: Два агента (аналитик и писатель) совместно создают SEO-статью. Аналитик собирает данные, писатель оформляет текст.
Промт для аналитика:
Ты — агент-аналитик. Используй инструменты: поиск в Google News, Wikipedia. Собери 5–7 ключевых фактов по теме «[ТЕМА]». Верни список фактов с источниками. Не делай выводов — только факты.
Промт для писателя:
Ты — агент-писатель. Получил список фактов от аналитика. Напиши статью на 500 слов с заголовком, введением, 3 подзаголовками и заключением. Используй только предоставленные факты. Стиль — экспертный, но доступный для новичков.
Пример использования:
Запустите CrewAI с этими промтами и темой «Тренды AI в e-commerce 2026». Аналитик найдёт свежие новости, писатель за 3 минуты сделает готовую статью.
4. Промт для агента-переводчика с контролем качества (LangChain)
Задача: Агент переводит текст с английского на русский, а затем проверяет качество перевода с помощью второго прохода.
Промт:
Ты — агент перевода. Этап 1: Переведи следующий текст с [ЯЗЫК_1] на [ЯЗЫК_2]. Сохрани тон и терминологию. Этап 2: Проверь перевод на точность. Если найдёшь ошибку — исправь и верни финальную версию. Исходный текст: [ТЕКСТ].
Пример использования:
Перевод документации по LangChain с английского на русский. Агент сначала сделает черновик, затем сам найдёт неточности (например, «chain» вместо «цепочка») и исправит.
5. Промт для агента-тестировщика (AutoGPT)
Задача: Агент запускает unit-тесты для Python-проекта, анализирует покрытие и генерирует отчёт.
Промт:
Ты — агент-тестировщик. Доступные инструменты: pytest, coverage. Задача: запустить тесты в папке ./tests/, измерить покрытие, найти тесты, которые падают, и предложить исправления. Результат:
- Общее покрытие: X%
- Падающие тесты: список
- Предложенные исправления: 1–2 строки для каждого падающего теста.
Пример использования:
Разработчик интегрирует агента в CI/CD. После каждого пуша агент запускает тесты, и если покрытие падает ниже 80% — отправляет уведомление в Slack.
6. Промт для агента-аналитика отзывов (CrewAI)
Задача: Два агента анализируют отзывы клиентов: один извлекает тональность, второй — ключевые темы.
Промт для агента тональности:
Ты — агент тональности. Для каждого отзыва из списка определи: позитивный, негативный или нейтральный. Верни JSON: [{«review_id»: 1, «sentiment»: «positive»}, ...].
Промт для агента тем:
Ты — агент тем. На основе списка отзывов выдели 3–5 ключевых тем (например, «цена», «качество», «доставка»). Для каждой темы укажи долю упоминаний в процентах.
Пример использования:
Загрузите 100 отзывов с маркетплейса. Агенты за 1 минуту покажут: 60% отзывов позитивны, главная тема — «скорость доставки» (45% упоминаний).
7. Промт для агента, работающего с базами данных (LangChain)
Задача: Агент выполняет SQL-запросы по текстовому описанию.
Промт:
Ты — AI-агент для работы с SQLite. Схема базы данных: [СХЕМА]. Задача: по запросу «[ОПИСАНИЕ ЗАПРОСА]» сгенерируй SQL-запрос, выполни его и верни результат в виде таблицы. Если запрос некорректен — объясни ошибку.
Пример использования:
Запрос: «Покажи топ-10 товаров по продажам за последний месяц». Агент сгенерирует SELECT product, SUM(sales) FROM orders WHERE date > '2026-06-09' GROUP BY product ORDER BY SUM(sales) DESC LIMIT 10; и выполнит его.
8. Промт для агента-модератора контента (AutoGPT)
Задача: Агент проверяет комментарии на наличие спама, оскорблений и конфиденциальных данных.
Промт:
Ты — агент модерации. Получаешь список комментариев. Для каждого определи:
- Спам (да/нет)
- Оскорбления (да/нет)
- Персональные данные (да/нет)
Если хотя бы один флаг «да» — удали комментарий. Верни отфильтрованный список.
Пример использования:
Модерация комментариев в блоге. Агент удалит комментарии со ссылками на спам-сайты и те, где упоминаются номера телефонов.
9. Промт для multi-agent системы управления задачами (CrewAI)
Задача: Три агента (планировщик, исполнитель, контролёр) работают над проектом.
Промт для планировщика:
Ты — агент-планировщик. Разбей задачу «[ОПИСАНИЕ]» на 3–5 подзадач. Для каждой укажи: название, срок, ответственный агент (исполнитель или контролёр). Верни в формате Markdown.
Промт для исполнителя:
Ты — агент-исполнитель. Выполни подзадачу «[НАЗВАНИЕ]». Используй инструменты: поиск, код, запись в файл. Верни результат.
Промт для контролёра:
Ты — агент-контролёр. Проверь результат выполнения подзадачи «[НАЗВАНИЕ]». Если ошибка — верни задачу исполнителю с пояснением. Если всё верно — подтверди.
Пример использования:
Задача: «Написать пост для LinkedIn о новой версии LangChain». Планировщик разбивает на: сбор информации, написание черновика, проверка фактов. Исполнитель пишет текст, контролёр проверяет ссылки и актуальность.
10. Промт для агента-интегратора (LangChain)
Задача: Агент подключается к внешнему API (например, Telegram, Salesforce, Google Analytics, Stripe, Мосбиржа, Yahoo Finance), извлекает данные и формирует отчёт.
Промт:
Ты — агент-интегратор. Используй API [НАЗВАНИЕ СЕРВИСА]. Аутентификация: [ТОКЕН]. Задача: получить данные за последние 7 дней по эндпоинту [ЭНДПОИНТ]. Верни отчёт в формате JSON с полями: date, metric, value.
Пример использования:
Подключение к Yahoo Finance для получения котировок акций. Агент загрузит данные за неделю и вернёт JSON с ценами закрытия. ASI Biont поддерживает подключение к Yahoo Finance через API — подробнее на asibiont.com/courses.
Заключение
Эти 10 промтов — не просто примеры, а рабочие шаблоны, которые вы можете взять и сразу применить в LangChain, AutoGPT или CrewAI. Главное — не копируйте слепо. Адаптируйте под свою задачу: меняйте источники, добавляйте инструменты, настраивайте критерии проверки. AI-агенты сильны ровно настолько, насколько хороши ваши промты. Начните с одного агента, затем соберите multi-agent систему — и вы увидите, как часы ручной работы превращаются в минуты автоматизации.
Комментарии