Для чего нужны rules и skills при работе с ИИ-агентами?

Когда мы работаем с ИИ-агентом, нам важно не только то, какие задачи он умеет решать, но и то, как он это делает. Для этого поведение агента разделяют на два слоя: rules (правила) и skills (навыки). Rules описывают рамки и стиль работы, а skills — конкретные действия и инструменты, которые агент может использовать.

Что такое rules

Rules — это набор постоянных инструкций, которые применяются к агенту во всех или почти во всех сценариях. Они задают:

• тон общения (формальный, дружелюбный, краткий);
• ограничения (не выдумывать факты, не давать юридических советов);
• формат ответа (всегда JSON, всегда с примерами кода);
• приоритеты (сначала уточнить задачу, потом отвечать).

Что такое skills

Skills — это отдельные умения или инструменты, которые агент может подключать по необходимости. Например:

• поиск в интернете;
• чтение и запись файлов;
• выполнение кода;
• обращение к базе данных;
• вызов внешнего API.

Как это выглядит на практике

Представим простого агента, который отвечает на вопросы о коде. Его rules могут выглядеть так:

{
  "rules": [
    "Отвечай кратко и по делу",
    "Всегда приводи пример кода",
    "Не используй markdown-таблицы"
  ]
}

А skills — так:

{
  "skills": [
    { "name": "search_docs", "description": "Поиск в документации" },
    { "name": "run_code", "description": "Выполнить код и вернуть результат" }
  ]
}

Когда пользователь спрашивает: "Как работает event loop в Node.js?", агент применяет rule "приведи пример кода" и, возможно, skill "search_docs", чтобы уточнить детали. Rules остаются неизменными, а skills подключаются по ситуации.

Зачем разделять rules и skills

Разделение даёт гибкость и управляемость. Rules можно менять централизованно, не трогая навыки. Skills можно добавлять или отключать, не переписывая правила поведения. Это упрощает поддержку, тестирование и масштабирование агентов, особенно когда их много и они используются в разных продуктах.

Итог: rules и skills нужны, чтобы отделить "как агент себя ведёт" от "что он умеет делать". Это делает поведение агента предсказуемым, а его возможности — расширяемыми без хаоса. Такой подход полезен в любых системах, где ИИ-агент взаимодействует с пользователем или другими сервисами.