ShipAI
УРОК 7 · СТАРТОВЫЙ КУРС SHIPAI
ИИ-секретарьПервый AI-агентФинал курса

Бот стал ИИ-секретарем: первый AI-агент мультиагентной системы

Финальный урок стартового курса ShipAI: собираем первого ИИ-секретаря, который принимает вход, держит память и шину задач, передаёт разбор отдельному агенту и доводит сообщение до полезного результата.

Смотреть урок 7Вопросы по уроку

Коротко о сути урока

Это финальная сборка стартового курса: система уже не просто хранит и маршрутизирует вход, а сама принимает его, понимает и доводит до полезного результата через первого специализированного AI-агента.

После урока ты сможешь:

  • Понять, как из набора слоёв вырастает первый рабочий AI-агент.
  • Увидеть, как основной контур принимает вход и подготавливает задачу для разборщика.
  • Разобраться, зачем AI-разбор выносится в отдельный workflow, а настройки - в БД.
  • Понять, как TTL-контур завершает ожидание, если пользователь больше ничего не прислал.

Для кого этот урок

Этот урок сделан для тех, кто уже прошёл путь от базового Telegram-контакта до AI-разбора и теперь хочет увидеть, как из этой сборки появляется первый AI-секретарь внутри минимальной мультиагентной схемы.

Подойдёт, если ты

  • уже посмотрел первые шесть уроков стартового курса ShipAI;
  • хочешь увидеть, как отдельный агент берёт на себя разбор накопленного контекста;
  • хочешь понять переход от набора слоёв к первой рабочей AI-системе;
  • строишь не демо с нейросетью, а понятный бизнес-результат через Telegram.

Не расширяем этот урок

Это не урок про очередную схему в n8n ради схемы и не разбор архитектуры ради архитектуры. Фокус держим на финальной рабочей сборке: вход, память, шина, AI-разбор, агентное действие и понятный результат.

Видео и конспект

Смотрите урок прямо на странице или откройте его на YouTube, если удобнее там.

Что добавляем

Это финальный шаг курса: основной workflow перестаёт делать всё сам и становится intake-контуром, а отдельный AI-агент забирает на себя разбор контекста и доведение задачи до результата.

Как это работает

До этого шага система умела принимать, помнить и разбирать вход, но все роли были смешаны в одном контуре. Урок решает проблему перегруженного workflow и показывает, как разделить intake, agent и TTL.

Что важно понять

В уроке основной workflow упрощается, AI-разбор выносится в отдельный агент, настройки и промпты переезжают в БД, а отдельный TTL-контур завершает ожидание, если пользователь замолчал.

  • Упрощение основного workflow до intake-контура.
  • Отдельный ИИ-агент для разбора контекста.
  • Вынос настроек и промптов в БД.
  • TTL-контур для автозавершения ожидания.

Ограничение шага

Смысл урока не в новом инструменте, а в переходе от набора слоёв к системе ролей. Вход уже не просто хранится и маршрутизируется, а сам доводится до полезного результата через специализированного агента.

Что дальше

После урока появляется первая версия мультиагентной системы с Telegram-ИИ-секретарём. Ограничение тоже честное: это ещё минимальная схема, но стартовый курс уже завершён как цельный маршрут.

Таймкоды урока

Быстрые переходы по видео, чтобы сразу открыть нужный фрагмент.

Частые вопросы

Короткие ответы на типичные вопросы перед просмотром урока.

Да, это желательно: в шестом уроке система уже умеет разбирать накопленный контекст, а в седьмом мы выносим этот разбор в отдельную роль и завершаем сборку курса.

Это её первая рабочая версия: не большая платформа, а минимальная мультиагентная схема с intake-контуром, агентом разбора и TTL-контуром.

Чтобы основной контур не перегружался и не делал всё сразу. Разделение ролей делает систему понятнее, устойчивее и проще для дальнейшего расширения.

Он закрывает ожидание, если пользователь ничего не прислал и не завершил ввод вручную. Так система не зависает на незавершённом контексте.

Стартовый курс завершён. Дальше можно собирать свою версию системы на этой базе или идти в отдельные кейсы и прикладные сценарии ShipAI.

Материалы по уроку в Сообществе

Что дальше

После финального урока можно открыть курс целиком, вернуться к предыдущему уроку или зайти в Telegram-канал ShipAI.