Возможности AI в платформе: вопросы и ответы

Раздел отвечает на типовые вопросы о возможностях AI в Citeck. Каждый ответ — краткая сводка со ссылкой на раздел документации с подробностями.

Агенты и модели

Есть ли готовые AI-агенты от вендора?

Вместе с платформой поставляются агенты: помощник по задачам и документам, агент конфигурации платформы, помощник по изображениям, помощник по возможностям платформы, аудитор конфигурации, оператор публикации. Функциональность активно развивается: с новыми релизами появляются новые преднастроенные агенты, а в будущем планируется отдельный маркетплейс агентов. См. Преднастроенные агенты.

Можно ли создать собственного агента?

Агент — обычная запись платформы: системный промпт, белый список инструментов, провайдер и модель. Создаётся через журнал AI Агенты без программирования; разработчик может добавить собственный инструмент, реализовав интерфейс CiteckAiTool. См. Пользовательские AI-агенты.

Настраиваются ли агенты визуально, без кода?

Параметры агента — название, инструкция, провайдер, модель, инструменты, температура — задаются полями формы в журнале администратора. См. Создание агента.

Поддерживаются ли различные внешние LLM?

Через Spring AI поддерживаются OpenAI, Anthropic, DeepSeek, Ollama и другие OpenAI-совместимые провайдеры, включая локальные модели. См. Провайдеры LLM.

Могут ли разные агенты работать на разных LLM?

Провайдер и модель — реквизиты записи агента; модель агента применяется и в генераторах артефактов. См. Модели AI-агентов.

Можно ли ставить задачи обычным человеческим языком?

Все взаимодействие с ассистентом — естественным языком, включая создание приложений, поиск записей и генерацию документов. См. AI ассистент.

Можно ли загрузить техническое задание?

При генерации бизнес-приложения вместо ответов на уточняющие вопросы можно приложить файл спецификации; произвольные файлы анализируются в чате. См. разделы «Генерация бизнес-приложений» и «Работа с файлами в чате» в описании ассистента.

Совместная работа агентов

Есть ли агентный конвейер?

Многоартефактные запросы выполняются конвейером «план → утверждение человеком → исполнение по графу зависимостей» с восстановлением после ошибок и пересмотром плана. См. Агентный конвейер.

Есть ли оркестрация агентов?

Единая точка входа маршрутизирует запросы по движкам агентов; структурные решения принимает код платформы, модель отвечает за содержание. См. Архитектуру выполнения.

Есть ли разделение труда между агентами (менеджер, разработчик, аналитик, дизайнер, архитектор)?

Роли распределены между этапами конвейера и специализированными инструментами: планирование (план приложения со структурой), генерация скриптов, процессов, форм и типов данных. См. Агентный конвейер и каталог инструментов.

Есть ли агент-тестировщик?

Каждый артефакт проходит структурную валидацию до публикации; аудитор конфигурации проверяет приложение по чек-листу безопасности и качества с отчётом по уровням риска (доступен с релиза 2026.3). См. Преднастроенные агенты.

Есть ли агент-оператор, принимающий решение о развёртывании?

Оператор публикации валидирует артефакт, оценивает влияние и выносит решение «публиковать / вернуть на доработку»; публикация — только после подтверждения человеком, с контролем области (доступен с релиза 2026.3). См. Преднастроенные агенты и область публикации.

Может ли быть несколько агентов одной роли?

Количество записей агентов не ограничено; агенты одной специализации могут отличаться моделями, инструкциями и наборами инструментов. См. Пользовательские AI-агенты.

Работают ли агенты параллельно?

Диалоги и автономные вызовы разных агентов выполняются независимо и одновременно; этапы одного плана исполняются последовательно по графу зависимостей. См. Агентный конвейер.

Есть ли у каждого агента собственный контекст?

У агента — своя инструкция, белый список инструментов и память диалога; каждый этап конвейера работает в изолированной памяти. См. Архитектуру выполнения.

Управление и контроль

Можно ли подключить базу знаний (RAG) каждому агенту?

База знаний подключается через инструменты в белом списке агента; источники — записи рабочих пространств и Git-репозитории; результаты фильтруются по правам. См. Подключение базы знаний агенту и настройку RAG.

Как контролируется расход токенов по агенту?

Каждый вызов LLM сохраняется записью в журнале «Вызовы LLM» административного раздела AI с привязкой к агенту (есть преднастройка группировки по агентам); фиксируются токены запроса, ответа, рассуждений и кэша, длительность и причина завершения. Выполнение дополнительно ограничено бюджетами (вызовы инструментов, этапы, время). См. Телеметрия и расход токенов и ограничения выполнения.

Как контролируется расход токенов по каждой LLM?

Журнал «Вызовы LLM» ведётся в разрезе модели и провайдера (преднастройки группировки по моделям и по дням); отслеживается остаток квоты провайдера с предупреждением при 80 % использования. См. Телеметрия и расход токенов.

Есть ли дашборды потребления токенов?

Журнал «Вызовы LLM» с группировками по агентам, моделям, пользователям и дням покрывает типовые вопросы о расходе; сводная аналитика строится по данным журнала или штатными средствами мониторинга инсталляции. См. Телеметрия и расход токенов.

Когда агент спрашивает человека?

Утверждение плана, ошибки этапов, публикация конфигурации, изменение и удаление записей, расширение типов, уточняющие вопросы — полный нормативный перечень с настройками см. в разделе Человек в контуре.

Приходят ли уведомления о работе агентов?

События агентов (публикация конфигурации, требуется подтверждение, результаты аудита) доставляются штатным механизмом уведомлений платформы — почта, push, настраиваемые каналы; ход работы агента виден в чате пошаговым индикатором.

Может ли агент работать в BPMN-процессе?

AI задача выполняет вызов LLM внутри процесса с подстановкой переменных и обработкой ответа скриптами; также из процесса доступен вызов преднастроенного агента-записи с его набором инструментов. См. также режимы выполнения агентов.

Насколько это безопасно?

Лицензионный контроль, группы доступа, работа под правами пользователя, изоляция рабочих пространств и обязательные подтверждения необратимых действий описаны в статье Безопасность AI-функций.