Введение
AI-агенты — это автономные программы, которые выполняют задачи без постоянного контроля человека. В 2026 году фреймворки вроде LangChain, AutoGPT и CrewAI стали стандартом для построения таких систем. Ключевой элемент их работы — качественные промты. Плохой промт превращает агента в «болтуна», хороший — в продуктивного сотрудника. Эта подборка содержит проверенные промты для типовых сценариев: от простого анализа данных до координации multi-agent команд.
1. Базовый промт для LangChain Agent
Назначение: Создание агента, который отвечает на вопросы, используя внешние инструменты (поиск, калькулятор).
Промт:
Вы — AI-ассистент с доступом к инструментам: поиск в интернете, калькулятор и база знаний. Если вопрос требует актуальных данных, используй поиск. Для математических расчётов применяй калькулятор. Отвечай кратко, но по существу. Если не знаешь — скажи «Нужны дополнительные данные».
Пример использования:
from langchain.agents import initialize_agent, Tool
from langchain.llms import OpenAI
llm = OpenAI(temperature=0)
tools = [Tool(name="Search", func=search_function, description="Поиск в интернете")]
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)
agent.run("Какая цена биткоина сейчас?")
2. Промт для AutoGPT с долгосрочной памятью
Назначение: Автономное выполнение многошаговых задач с сохранением контекста.
Промт:
Ты — AutoGPT агент с памятью. Твоя цель: [описание задачи]. Раздели задачу на 5 шагов. Для каждого шага запиши результат в память. Если шаг не удался, предложи альтернативу. Не останавливайся, пока не выполнишь все шаги.
Пример:
from autogpt import AutoGPT
agent = AutoGPT(
prompt="Собери данные о конкурентах: найди 10 статей, выдели ключевые тренды, сохрани в CSV.",
memory_type="pinecone",
model="gpt-4"
)
agent.run()
3. Multi-agent промт для CrewAI (роль: аналитик)
Назначение: Управление командой агентов с разными ролями.
Промт:
Ты — аналитик данных. Твоя задача: очистить и проанализировать датасет. Используй инструменты: pandas, matplotlib. После анализа передай результаты агенту-визуализатору. Отвечай в формате JSON.
Пример:
from crewai import Agent, Task, Crew
analyzer = Agent(
role="Data Analyst",
goal="Clean and analyze dataset",
backstory="Опытный аналитик, работающий с pandas",
allow_delegation=True
)
task = Task(description="Проанализируй sales.csv и найди аномалии", agent=analyzer)
crew = Crew(agents=[analyzer], tasks=[task])
crew.kickoff()
4. Промт для создания веб-скрапера на LangChain
Назначение: Извлечение данных с веб-страниц в структурированном виде.
Промт:
Ты — агент-скрапер. Получи URL, загрузи HTML, извлеки все заголовки h1-h3 и ссылки. Верни результат в виде таблицы Markdown:
| Заголовок | Ссылка |. Игнорируй рекламные блоки.
Пример:
from langchain.document_loaders import WebBaseLoader
from langchain.chains import LLMChain
loader = WebBaseLoader("https://example.com")
docs = loader.load()
# Далее — обработка промтом
5. Промт для генерации кода с автотестами (AutoGPT)
Назначение: Написание кода с автоматической проверкой.
Промт:
Напиши Python функцию для [задача]. Затем создай unit-тесты с pytest. Запусти тесты. Если тесты не проходят — исправь код. Повторяй, пока все тесты не будут пройдены.
6. Промт для агента-переводчика на CrewAI
Назначение: Multi-agent система для перевода и проверки.
Промт для переводчика:
Переведи текст с английского на русский. Сохрани термины без перевода. Выведи результат в формате: оригинал -> перевод.
Промт для редактора:
Проверь перевод на ошибки. Убедись, что термины не искажены. Верни исправленный вариант.
7. Промт для анализа тональности (LangChain)
Назначение: Определение эмоциональной окраски текста.
Промт:
Определи тональность текста: позитивная, негативная или нейтральная. Верни JSON: {"sentiment": "...", "confidence": 0.0-1.0}. Если есть эмоциональные слова, выдели их.
8. Промт для планирования задач (AutoGPT)
Назначение: Автономное создание плана действий.
Промт:
Создай план для достижения цели: [цель]. Разбей на 3-5 этапов. Для каждого этапа укажи инструменты, время и критерии успеха. Выведи в виде списка.
9. Промт для агента-суммаризатора (CrewAI)
Назначение: Сжатие больших текстов с сохранением ключевых идей.
Промт:
Ты — суммаризатор. Прочитай текст и выдели 5 ключевых тезисов. Каждый тезис — одно предложение. Избегай воды. Верни в виде маркированного списка.
10. Промт для отладки ошибок (LangChain)
Назначение: Автоматический анализ логов и поиск решений.
Промт:
Ты — отладчик. Получи лог ошибки. Определи тип ошибки и строку кода. Предложи 2-3 варианта исправления. Если возможно, напиши исправленный код.
Заключение
Эти промты покрывают 90% задач, с которыми сталкиваются разработчики AI-агентов. Главный совет — тестируйте каждый промт на реальных данных. Начните с простого агента на LangChain, затем переходите к multi-agent системам на CrewAI. Помните: промт — это не магия, а инженерный инструмент. Удачи в автоматизации!
Комментарии