Разбор ошибок ИИ-агента Shippy: почему модель не справилась с детерминированными задачами и как это исправили

Обычно статьи о разработке ИИ-агентов расписывают успешный успех, но в отчёте по Shippy авторы открыто поделились трудностями. Оказалось, что модель плохо справлялась с запоминанием множества правил, надёжным выполнением детерминированных операций и самостоятельной проверкой собственных действий. Это классическая ловушка: требовать от вероятностной системы поведения, для которого она не предназначена.

Ключевой инсайт — проблему решили не сменой модели или доработкой промптов, а архитектурным разделением: всю строгую часть (правила, проверки, детерминированные шаги) вынесли в отдельный программный слой, оставив модели только гибкие задачи. После этого проект пошёл намного быстрее. Статья — полезный кейс для тех, кто строит production-агентов.