От проектирования агентов к архитектуре ИИ-проекта: шесть слоёв организации работы
Из опыта автора · Илья Смирнов · 4 ноября 2026
Введение. Почему для работы с ИИ мало одного набора инструментов
Я работаю с искусственным интеллектом больше 2-х лет и за это время накопился опыт управления проектами в области научных исследований, создания печатных изданий, создания сайтов, дистанционного обучения и прикладных задач, сопутствующим этому. После того, как я сформулировал для себя рабочую концепцию организации проектов с ИИ появилось желание поделиться ею с другими. Возможно, она будет полезна для управления проектами с ИИ.
Ещё недавно работа с большой языковой моделью сводилась к отдельным запросам в чат. Сегодня это рабочие процессы: ИИ анализирует документы, вызывает программные инструменты, ходит во внешние источники. Он создаёт файлы и выполняет цепочки взаимосвязанных задач.
Появились специализированные агентные среды: Claude Code, Codex, OpenCode и другие. Развивается инфраструктура, через которую модели общаются с внешними системами, например Model Context Protocol (MCP). Всё больше внимания уделяется управлению контекстом, долговременной памяти, навыкам (Skills) и координации нескольких агентов. Возможностей стало больше и организовать работу стало сложнее.
Допустим, вы начинаете долгий и масштабный проект в Claude Code. Что положить в CLAUDE.md? Как разложить рабочие файлы? Какие инструменты подключить, например через MCP? Как поделить задачи между агентами и как сделать так, чтобы результаты пережили закрытую сессию? Дальше вопросов только прибавляется. Как управлять изменениями и проверять качество? Как защитить конфиденциальные данные? Как убедиться, что продукт по-прежнему отвечает требованиям, исходным или уже изменившимся?
Отдельные инженерные решения на каждый из этих вопросов есть. Anthropic в публикации Building effective agents разбирает способы организации агентных систем: последовательные процессы, маршрутизацию, параллельное выполнение, оркестрацию и оценщиков. Статья Effective context engineering for AI agents посвящена информации, которая попадает в контекстное окно модели. А Effective harnesses for long-running agents говорит о том, как организовать долгую работу агентов и сохранять состояние между сессиями.
Все эти решения полезны. Но остаётся более общий вопрос:
Как организовать проект с использованием искусственного интеллекта как единую систему, в которой различные инструменты, информационные ресурсы, агенты и управленческие механизмы согласованно работают для достижения целей заказчика?
Я предлагаю для этого использовать шестислойную архитектуру, описанную ниже. Это попытка систематизировать подход, задуманная как универсальная методическая основа. Она отвечает на три взаимосвязанных вопроса:
- Что делать? Какие функции необходимо обеспечить для реализации проекта?
- Как делать? Какими организационными и техническими средствами реализовать эти функции?
- Когда делать? На каких этапах деятельности должны выполняться соответствующие операции?
Концепция не привязана ни к модели, ни к платформе, а предметная область ей безразлична. Claude Code дальше служит примером одной из возможных технических сред.
1. От ИИ-агента к ИИ-проекту
Архитектура агента и архитектура проекта: в чём разница
Когда проектируют ИИ-агента, обычно описывают его модель, инструкции, инструменты, память и механизмы принятия решений. В практическом руководстве OpenAI A practical guide to building agents агентная система складывается из модели, инструментов и инструкций, а её работа держится на оркестрации и контроле. Но даже хорошо спроектированный агент остаётся только одним из компонентов деятельности, нацеленной на результат. Возьмём организацию, которая готовит с помощью ИИ аналитические отчёты. Для отдельных операций у неё есть поисковые агенты, инструменты анализа данных, генераторы текстов и системы проверки результатов. Однако эффективность всего этого определяется ещё и другими обстоятельствами:
- Насколько правильно установлены потребности заказчика?
- Какие знания и принципы должны лежать в основе работы?
- Как организованы исходные информационные ресурсы?
- Кто определяет последовательность операций?
- Каким образом обеспечивается контроль качества?
- Как защищаются конфиденциальные данные?
Проектирование отдельных агентов этих вопросов не закрывает. Нужен более высокий уровень рассмотрения: от архитектуры агентной системы к архитектуре ИИ-проекта.
Что такое ИИ-проект
В классическом проектном менеджменте проект обычно определяют как временную деятельность, направленную на создание уникального продукта, услуги или результата. Для моей концепции такое определение слишком узко, и вот почему.
Деятельность с ИИ может идти непрерывно. Система автоматизированного анализа документов способна работать годами, регулярно обрабатывая новые материалы. Результат тоже не обязан быть уникальным: ИИ готовит типовые документы, стандартные аналитические отчёты, выполняет повторяющиеся операции. Ценность при этом нередко состоит именно в лучшей организации работы: меньше трудозатрат, выше качество, ниже стоимость или быстрее результат. И ценность не всегда полностью известна до начала работы: она уточняется или обнаруживается прямо в ходе взаимодействия заказчика с ИИ.
Поэтому я предлагаю такое определение:
Под ИИ-проектом я понимаю целенаправленную, организованную деятельность с использованием искусственного интеллекта, которая ведётся ради результата с достаточной ценностью для заказчика и опирается на согласованное применение информационных ресурсов, интеллектуальных и программных инструментов, а также механизмов управления.
В определении принципиальны четыре положения.
Целевая направленность. Деятельность ведётся ради определённого результата, хотя первоначальные представления о нём могут меняться.
Организованность. Результат достигается согласованным использованием ресурсов, инструментов и управленческих механизмов.
Участие искусственного интеллекта. ИИ выступает инструментом выполнения операций, анализа информации, вспомогательных решений или организации самой деятельности.
Достаточная ценность. Успех определяется тем, насколько результат отвечает потребностям заказчика. Ценность не обязана быть максимальной или заранее известной целиком. Понятие ИИ-проекта здесь шире привычного: оно охватывает и традиционные проекты, и продолжительные либо регулярно повторяющиеся процессы с ИИ. От определений в стандартах проектного управления оно отличается, это моё терминологическое решение.
2. Шестислойная архитектура ИИ-проекта
ИИ-проект предлагается рассматривать как систему из шести взаимосвязанных функциональных слоёв, каждый из которых отвечает за свой аспект организации деятельности.
| № | Слой | Основной вопрос | Функциональное назначение |
|---|---|---|---|
| 1 | Маркетинговый | Для кого и зачем выполняется проект? | Выявление потребностей заказчика, определение и согласование потребительской ценности результата |
| 2 | Контекстный | Какие устойчивые знания и положения определяют работу ИИ? | Формирование понятийной, методологической и инструктивной основы деятельности |
| 3 | Данных | С какими информационными ресурсами осуществляется работа? | Организация, хранение, обновление и предоставление проектных данных |
| 4 | Управленческий | Как организована деятельность? | Планирование, организация, регламентация, управление состоянием, контроль и анализ |
| 5 | Исполнительный | Каким образом выполняются операции? | Непосредственное выполнение задач человеком, ИИ-агентами и программными инструментами |
| 6 | Безопасности | Как обеспечить защищённость и устойчивость проекта? | Защита информации, разграничение полномочий и предотвращение угроз |
Под слоем я понимаю функцию. Самостоятельным программным компонентом он быть не обязан. Управленческий слой можно собрать из инструкций, скриптов, средств управления задачами и действий человека, отдельный управляющий агент для этого не нужен. И наоборот, один универсальный агент способен выполнять функции сразу нескольких слоёв. Функциональная архитектура от конкретной организационно-технической реализации не зависит.
2.1. Маркетинговый слой: какая ценность нужна заказчику
Маркетинговому слою в концепции отведено особое место. Его задача: установить, какой результат нужен заказчику и какие характеристики обеспечивают достаточную ценность. Заказчиком может быть сам пользователь ИИ либо другое лицо или организация, в интересах которых идёт работа. Слой отвечает за выявление потребностей, формирование требований к результату, согласование его характеристик, передачу результата и обратную связь. При необходимости сюда же относятся распространение и продвижение. Это соответствует широкому пониманию маркетинга как деятельности, ориентированной на потребности потребителя: в классической модели 4P распределение продукции относится преимущественно к Place, а продвижение к Promotion. Приведу пример. Заказчик просит аналитический отчёт, но по ходу работы выясняется, что для решения ему полезнее интерактивная модель, где можно менять исходные параметры. Новую потребность выявляет и согласует маркетинговый слой. А техническая реализация уже ложится на другие слои. Поэтому маркетинговый слой работает на протяжении всего проекта: потребности заказчика и представления о ценности меняются.
2.2. Контекстный слой: устойчивые основания деятельности
Контекстный слой собирает знания, принципы и установки, которые должны определять работу ИИ на протяжении проекта:
- Методологические принципы.
- Понятийный аппарат и терминология.
- Устойчивые положения предметной области.
- Базовые требования к характеру результатов.
- Общие правила интерпретации информации.
В разработке программного продукта это могут быть архитектурные принципы, стандарты кодирования и принятая терминология. В исследовательской работе: методологические положения, определения основных понятий и принципы научной аргументации. Тут нужно развести два значения слова «контекст». В инженерии языковых моделей контекстом обычно называют всё, что доступно модели при выполнении операции: системные инструкции, сообщения пользователя, документы, результаты работы инструментов. В предлагаемой архитектуре контекстный слой понимается в более узком смысле: он формирует относительно устойчивые информационные основания проекта. Текущий контекст модели при этом может включать информацию и из контекстного слоя, и из слоя данных, и из других компонентов системы.
2.3. Слой данных: информационные ресурсы проекта
Слой данных объединяет ресурсы, которые используются и преобразуются по ходу работы. В зависимости от области это документы, базы данных, исходный код, статистические массивы, сообщения, изображения, результаты расчётов и промежуточные материалы. Контекстный слой хранит относительно устойчивые основания деятельности, а слой данных обеспечивает работу с предметным материалом конкретного проекта. Менять данные при этом необязательно. Архив научных публикаций может оставаться неизменным и всё равно служить для множества исследовательских задач.
Главный критерий разграничения: функциональное назначение информации. Контекст задаёт принципы и условия работы, данные дают материал для операций.
2.4. Управленческий слой: организация и координация
Управленческий слой объединяет функции организации проектной деятельности: планирование, организацию, регламентацию, контроль и анализ. Они охватывают управление ресурсами, сроками, стоимостью, рисками, изменениями, качеством результатов и состоянием проекта. Для ИИ-проектов особенно важна преемственность. В долгом проекте надо сохранять сведения о выполненных задачах, принятых решениях, текущем состоянии и следующих шагах. Anthropic в исследовании Effective harnesses for long-running agents показывает, что одна из проблем длительных агентных задач, потеря преемственности между контекстными окнами. Авторы предлагают вести структурированные записи о прогрессе и передавать информацию между последовательными рабочими сессиями. Anthropic
В моей архитектуре работа с памятью и состоянием относится к управленческому слою, а физически записи хранятся в слое данных. Кроме того, именно управленческий слой решает, какие операции агентам разрешено выполнять самостоятельно, какие требуют проверки и когда нужен человек.
2.5. Исполнительный слой: выполнение операций
Исполнительный слой объединяет механизмы, которые непосредственно выполняют задачи проекта. В зависимости от сложности это могут быть:
- Универсальные ИИ-агенты.
- Специализированные агенты.
- Программные инструменты.
- Средства доступа к внешним информационным системам.
- Скрипты и автоматизированные процедуры.
- Непосредственные действия человека.
Здесь же создаются конечные артефакты: программы, документы, отчёты, модели.
Конфигурация исполнительного слоя зависит от проекта. Иногда хватает одного агента с несколькими инструментами, иногда нужна многоагентная система. Anthropic в Building effective agents советует начинать с самых простых решений и усложнять архитектуру только по мере обоснованной необходимости. Anthropic Это согласуется с предлагаемым подходом: шесть функциональных слоёв не означают шесть отдельных агентов.
2.6. Слой безопасности: жизнеспособность проекта
Слой безопасности выделен отдельно, потому что от него зависит устойчивость и жизнеспособность проекта. Он защищает информационные ресурсы, программные компоненты и проектные процессы. Основные направления:
- Конфиденциальность информации.
- Целостность данных и результатов.
- Доступность проектных ресурсов.
- Управление полномочиями пользователей и агентов.
- Защита секретов и учётных данных.
- Предотвращение несанкционированных действий.
В агентных системах эти задачи острее. ИИ-агент может получить право менять файлы, запускать программы, обращаться к внешним сервисам, и допустимые действия придётся определять заранее, вместе с механизмами их ограничения.
Требования слоя безопасности действуют на протяжении всего жизненного цикла и распространяются на остальные компоненты. Выделение слоя не отменяет управления рисками в управленческом слое: тот отвечает за общую организацию управления рисками, а слой безопасности даёт специализированные механизмы защиты.
3. Как шесть слоёв работают вместе
Шесть слоёв не образуют очередь независимых блоков. Каждый выполняет свои функции, но результат появляется только из их согласованного взаимодействия.
Рассмотрим типовую ситуацию. Заказчик приходит к ИИ с задачей, и первым за дело берётся маркетинговый слой: выясняет потребности и характеристики нужного результата. Управленческий преобразует согласованные требования в систему задач, определяет порядок выполнения и ресурсы. Контекстный даёт устойчивые знания и принципы, которыми должна руководствоваться модель, слой данных открывает доступ к информационным ресурсам. Операции и результат остаются за исполнительным слоем. Проверку результата снова организует управленческий слой и при необходимости корректирует дальнейшие действия. Слой безопасности следит за защитными требованиями на всех этапах.
Результат попадает к заказчику, и после этого может понадобиться уточнить требования или выполнить дополнительные операции. Получается повторяющийся цикл: потребность заказчика, организация деятельности, выполнение операций, проверка результата, оценка достаточности ценности, корректировка деятельности.
Успешная отдельная операция ещё не означает достигнутой цели проекта. Агент может чётко выполнить техническое задание, а продукт окажется заказчику малополезным. Поэтому оценку потребительской ценности и контроль технического исполнения стоит считать взаимосвязанными, но разными процессами.
4. От архитектуры к методике: что, как и когда делать
Ценность концепции в том, что на ней можно строить методику организации работы с ИИ. Для этого функциональную структуру нужно дополнить двумя измерениями: организационно-технической реализацией и жизненным циклом деятельности. Получается трёхкомпонентная схема.
| Компонент | Основной вопрос | Что определяется |
|---|---|---|
| Функциональная архитектура | Что делать? | Необходимые функции шести слоёв |
| Организационно-техническая реализация | Как делать? | Распределение функций между человеком, агентами и программными механизмами |
| Жизненный цикл | Когда делать? | Последовательность выполнения функций на различных этапах деятельности |
Слои отвечают за функциональную полноту организации проекта, реализация выбирает конкретные средства, а жизненный цикл задаёт временную и процессную структуру их использования.
Матрица жизненного цикла
Для практики предлагается семь основных этапов.
| Этап | Маркетинговый | Контекстный | Данных | Управленческий | Исполнительный | Безопасности |
|---|---|---|---|---|---|---|
| 1. Инициация | Выявление потребностей заказчика | Определение исходных принципов | Оценка доступности информации | Постановка целей, оценка ресурсов и рисков | Оценка возможностей инструментов | Первичная оценка угроз |
| 2. Проектирование | Формирование требований к результату | Разработка контекстных положений | Проектирование структуры данных | Планирование, распределение функций | Проектирование агентной конфигурации | Разработка правил защиты |
| 3. Развёртывание | Проверка соответствия конфигурации потребностям | Настройка инструкций | Подключение информационных ресурсов | Настройка управленческих процедур | Развёртывание агентов и инструментов | Настройка разрешений и защитных механизмов |
| 4. Выполнение | Уточнение требований | Предоставление актуального контекста | Обработка и обновление данных | Координация, управление состоянием | Выполнение операций | Обеспечение безопасной работы |
| 5. Проверка | Оценка потребительской ценности | Проверка корректности контекста | Верификация данных | Контроль качества, анализ отклонений | Тестирование и исправление | Проверка соблюдения требований безопасности |
| 6. Передача результата | Согласование результата с заказчиком | Фиксация итоговых положений | Архивирование материалов | Приёмка и завершение этапа | Формирование конечных артефактов | Безопасная передача |
| 7. Сопровождение | Получение обратной связи | Актуализация положений | Обновление ресурсов | Управление изменениями | Доработка решений | Поддержание защищённости |
Эту матрицу я предлагаю как рабочую методическую схему. Устоявшимся стандартом она не является. В конкретном проекте этапы могут объединяться или повторяться. Сопровождение вправе отсутствовать, если результат передан заказчику и дальнейшая работа не предусмотрена. В непрерывных проектах окончание одного цикла может совпадать с началом следующего.
Функции разных слоёв необязательно выполняются последовательно, многие идут параллельно. Управление безопасностью должно работать уже при инициации проекта, а контроль качества может идти прямо в процессе выполнения операций.
5. Одна архитектура, разные проекты
Насколько модель универсальна? Проверим её на трёх заметно различающихся видах деятельности:
- Разработка программного продукта.
- Проведение научного исследования.
- Автоматизация бизнес-процесса.
Это концептуальные примеры. Они показывают, что модель применима в разных предметных областях, но экспериментальной апробацией не являются.
| Слой | Программная разработка | Научное исследование | Автоматизация бизнес-процесса |
|---|---|---|---|
| Маркетинговый | Требования пользователей и ценность продукта | Потребности заказчика исследования и значимость результатов | Потребности организации и ожидаемый эффект автоматизации |
| Контекстный | Архитектурные принципы, стандарты разработки | Научная методология, терминология | Бизнес-правила, принципы организации процессов |
| Данных | Исходный код, спецификации, тестовые данные | Публикации, статистика, результаты экспериментов | Документы, транзакции, операционная информация |
| Управленческий | Планирование разработки, тестирование, управление изменениями | План исследования, контроль достоверности, координация работ | Управление процессами, ресурсами и показателями |
| Исполнительный | Агенты программирования, тестирования и сборки | Поисковые, аналитические и вычислительные инструменты | Агенты обработки документов и выполнения операций |
| Безопасности | Защита репозиториев, кода и секретов | Защита исследовательских материалов | Защита коммерческой информации, разграничение доступа |
В первом случае результатом может быть программный продукт. Во втором научное знание, аналитический отчёт или публикация. В третьем автоматизированная система, которая регулярно выполняет определённые операции. Предметные области разные, а шесть функциональных компонентов в каждой выделяются одни и те же. Различаются содержание функций и способы их реализации. Управление состоянием в программной разработке может идти через систему контроля версий и журнал задач. В исследовательском проекте для этого пригодятся журналы решений, реестры источников и документы, фиксирующие ход исследования. В автоматизации бизнес-процессов это системы регистрации операций и мониторинга выполнения.
Универсальна здесь функциональная структура: она остаётся устойчивой, пока меняются содержательное наполнение и техническая реализация.
Правда, пока это универсальность концептуальная. Применимость и эффективность модели придётся проверять на реальных проектах.
6. Как реализовать шестислойную архитектуру в Claude Code
Теперь техника. Claude Code читает и пишет файлы, запускает команды, подключает внешние инструменты и реализует долгие задачи, так что механизмов, которые в нём уже есть, для шести слоёв хватает. Сразу предупрежу: соответствия ниже я предлагаю как архитектурные рекомендации. Встроенной шестислойной классификации в Claude Code нет.
Чем реализовать каждый слой
| Слой | Механизмы Claude Code |
|---|---|
| Маркетинговый | Инструкции по выявлению требований, сценарии взаимодействия с заказчиком, шаблоны требований и критериев приёмки |
| Контекстный | CLAUDE.md, методологическая документация, устойчивые проектные инструкции |
| Данных | Файловая система, базы данных, документы, внешние источники, MCP |
| Управленческий | Планы, журналы состояния, контрольные точки, Hooks, процедуры проверки |
| Исполнительный | Skills, субагенты, программные инструменты, MCP, скрипты |
| Безопасности | Permissions, изоляция среды, управление секретами, ограничения доступа |
Один механизм может обслуживать несколько слоёв. В CLAUDE.md лежат и контекстные положения, и часть управленческих инструкций, но функции от этого не сливаются.
Пример структуры проектной среды
В простейшем варианте организация каталогов может выглядеть так:
AI-Project/
│
├── CLAUDE.md
│
├── context/
│ ├── principles.md
│ └── terminology.md
│
├── data/
│ ├── sources/
│ ├── inputs/
│ └── working/
│
├── management/
│ ├── plan.md
│ ├── acceptance.md
│ ├── state.md
│ ├── decisions.md
│ └── quality-checklist.md
│
├── .claude/
│ ├── agents/
│ ├── skills/
│ └── settings.json
│
├── scripts/
│
└── outputs/
Структура приведена для иллюстрации, стандартом Claude Code она не служит. Папок для маркетингового слоя и слоя безопасности здесь нет намеренно: слой не обязан занимать свой каталог. Требования заказчика лежат в management/, настройки безопасности в .claude/settings.json и других системных механизмах, а часть вещей вообще живёт вне проектной папки.
Как шесть слоёв выглядят в CLAUDE.md
Заглянем в тот же проект изнутри. Возьмём заказчика из раздела 2.1, которому нужен аналитический отчёт. CLAUDE.md, который Claude Code читает в начале каждой сессии, раскладывается по шести слоям так:
# Проект: аналитический отчёт о выходе на новый рынок
## Заказчик и ценность (маркетинговый слой)
- Заказчик: отдел стратегии. Читатель отчёта: директор, который решает, выходить ли на рынок.
- Ценность: обоснованный вывод «выходить / не выходить». Обзор рынка без вывода заказчику не нужен.
- Критерии приёмки: management/acceptance.md. Если задача с ними расходится, остановись и спроси меня.
- Заказчик поменял требования? Сначала обнови acceptance.md, потом продолжай работу.
## Устойчивые основания (контекстный слой)
- Методология: @context/principles.md
- Термины: @context/terminology.md. Новых синонимов не вводи.
- Любую цифру в тексте подкрепляй источником из data/sources/.
## Данные (слой данных)
- data/sources/ только для чтения, исходные документы не правь.
- data/inputs/: материалы от заказчика. data/working/: промежуточные таблицы и черновики.
- Нашёл внешний источник через MCP-сервер? Сохрани его в data/sources/ с датой обращения.
## Управление (управленческий слой)
- В начале сессии прочитай management/plan.md и management/state.md.
- В конце сессии допиши в state.md: что сделано, что осталось, какой следующий шаг.
- Решение, которое меняет план, запиши в management/decisions.md вместе с причиной.
- Перед передачей результата пройди management/quality-checklist.md.
## Исполнение (исполнительный слой)
- Черновик раздела пишешь ты, проверяет его субагент reviewer (.claude/agents/reviewer.md).
- Итоговый файл собирай командой scripts/build.sh, результат ложится в outputs/.
## Безопасность (слой безопасности)
- Файлы .env и всё, где есть ключи и пароли, не читай и не выводи.
- Ничего не отправляй во внешние сервисы без моего подтверждения.
- Жёсткие запреты заданы в .claude/settings.json (permissions.deny), здесь они только поясняются.
В примере видны три вещи. По назначению CLAUDE.md относится к контекстному слою, но инструкции в нём есть для всех шести. Методология и термины вынесены в отдельные файлы и подключены через импорт @, поэтому сам CLAUDE.md короткий, а контекстные положения лежат там, где их удобно править. Третья вещь важнее первых двух. Для модели CLAUDE.md остаётся просьбой, и в длинной сессии она может её нарушить. Поэтому всё, что должно выполняться всегда, лучше продублировать средствами среды. Запреты слоя безопасности задают в permissions файла settings.json, и Claude Code заблокирует действие, что бы ни решила модель. Правило «обнови state.md в конце сессии» страхует hook на событие Stop: он проверит, менялся ли файл. В CLAUDE.md остаётся объяснение, зачем это нужно. Исполнение берёт на себя среда.
Как создать проект по шагам
Для первоначальной настройки я сам пользуюсь таким порядком.
Шаг 1. Выяснить потребности заказчика. Определить назначение проекта, ожидаемые результаты и критерии достаточной ценности.
Шаг 2. Сформировать устойчивый контекст. Зафиксировать знания, методологические положения, терминологию и основные принципы работы.
Шаг 3. Организовать слой данных. Создать структуры хранения данных, подключить нужные источники и задать правила их использования.
Шаг 4. Спроектировать управление. Установить этапы работы, распределение функций, процедуры контроля, способы сохранения состояния и управления изменениями.
Шаг 5. Настроить исполнительные механизмы. Выбрать агентов, Skills, MCP-серверы и программные инструменты.
Шаг 6. Обеспечить безопасность. Настроить разрешения, ограничения доступа, защиту секретов и другие механизмы.
Порядок логический, на практике шаги идут с возвратами. Требования безопасности, например, нужно держать в голове с первого шага, даже если защитные механизмы настраиваются позже. Когда развёртывание закончено, проект переходит к выполнению по выбранной модели жизненного цикла.
Нужен ли отдельный агент на каждый слой?
Нет.
В небольшом проекте хватит одного универсального агента Claude Code с несколькими инструментами. Он ищет и анализирует материалы, создаёт документы, пишет журнал состояния и делает предварительные проверки. Когда проект усложняется, часть функций приходится отдать специализированным агентам: один готовит результат, другой независимо его проверяет. Сколько агентов нужно, зависит от требований к качеству, сложности деятельности, затрат и управляемости. Шесть функциональных слоёв при этом остаются теми же.
Количество функциональных слоёв не определяет количество ИИ-агентов.
7. Общие принципы организационно-технической реализации
Из архитектуры следует несколько рабочих принципов. Первый касается полноты. Проектируя ИИ-проект, стоит пройтись по функциям всех шести слоёв, хотя одинаковой технической сложности от каждого никто не ждёт. В небольшом проекте маркетинговая функция сводится к короткому уточнению требований. В крупной системе она вырастает в отдельные процедуры: изучение потребностей, согласование требований, оценку ценности для пользователя. Полнота уживается с минимальной достаточностью: из подходящих структур берите самую простую. Число агентов, инструментов и автоматизированных процедур определяет необходимость, и тяга построить побольше тут плохой советчик. Одну функцию можно реализовать разными способами. Качество проверит человек, специализированный агент, программные тесты или все вместе. Поэтому агентов, модели и инструменты можно менять, не трогая функциональную архитектуру. Уйдёт проект с Claude Code на другую агентную платформу, механизмы придётся подбирать заново, а набор функций останется тем же. Остальные принципы связаны с тем, что ИИ-проект живёт дольше одной сессии. Длинный проект должен хранить столько сведений, чтобы по ним восстанавливалось состояние и работа продолжалась, а для языковых моделей с ограниченным контекстом это особенно остро. Кроме того, по проекту должно быть видно, какие операции выполнены, какие данные использованы и насколько результаты соответствуют требованиям. Обе задачи, преемственность и проверяемость, решают одни и те же журналы состояния и решений. Заводить их стоит с первого дня. Принципы выведены из предлагаемой концепции. Их достаточность и практическая эффективность требуют дополнительной проверки.
8. Соотношение с существующими подходами
Новых функций управления архитектура создавать не претендует. Её задача скромнее: связать положения проектного управления с особенностями деятельности на основе ИИ и при этом дать практический инструмент разработчику для управления проектами с ИИ. Опираться можно на несколько направлений.
Теория управления проектами. Стандарты PMI и ISO описывают планирование, организацию ресурсов, управление заинтересованными сторонами, рисками, сроками и результатами. В нашей концепции эти функции преимущественно собраны в управленческом и маркетинговом слоях.
Инженерия агентных систем. Практические разработки Anthropic и OpenAI подсказывают механизмы исполнительного слоя, способы организации контекста и оркестрации.
Когнитивные архитектуры языковых агентов. Авторы концепции CoALA видят основные компоненты когнитивной архитектуры агента в памяти, действиях и процессах принятия решений. Это помогает исследовать специфику работы ИИ, но функциональную структуру проекта прямо не задаёт.
Теория информационной безопасности. Подходы к обеспечению конфиденциальности, целостности и доступности информации определяют содержание специализированного слоя безопасности.
В чём отличие предлагаемой концепции
Отличие в объекте организации. В теории управления проектами рассматривается проектная деятельность в целом, в инженерии агентных систем изучаются построение и работа агентов, в когнитивных архитектурах описывается внутреннее устройство интеллектуальных систем. Предлагаемая модель берёт организацию целостной деятельности с использованием искусственного интеллекта, включая взаимодействие с заказчиком, контекстные основания, работу с данными, управление, исполнение и безопасность.
Её предполагаемый методический вклад: согласовать эти функции в единой архитектуре, пригодной для проектов разного назначения.
9. Ограничения и направления дальнейшей разработки
Шестислойная архитектура пока на стадии концептуального обоснования, и ограничения у подхода есть. Оптимальность числа слоёв не доказана. Шесть слоёв получены функциональным анализом на основе собственного опыта, возможны и другие способы сгруппировать функции. Границы между слоями тоже нуждаются в формализации, особенно граница между устойчивым проектным контекстом, данными и управленческими инструкциями. Универсальность модели остаётся концептуальной: то, что разные проекты можно описать шестью слоями, ещё не доказывает рост их эффективности.
И нужна практическая апробация. Для проверки надо исследовать проекты разных типов и сравнить организацию деятельности с шестислойной архитектурой и без неё. Показателями могут служить:
- Степень достижения целей заказчика.
- Качество полученных результатов.
- Продолжительность выполнения задач.
- Трудозатраты человека.
- Стоимость использования вычислительных ресурсов.
- Частота ошибок.
- Устойчивость деятельности при изменении условий.
- Возможность воспроизведения результатов.
Особенно интересна зависимость эффективности от организационно-технической конфигурации. При каких условиях оправдан отдельный управляющий агент? Когда хватит универсального? Какие функции стоит отдать жёстко запрограммированным средствам? Ответы позволят перейти от общей концепции к набору конкретных методик организации ИИ-проектов, что добавило модели практической применимости.
Заключение
Шестислойная архитектура описывает деятельность по управлению ИИ-проектами как функциональную модель из шести слоёв: маркетинговый и контекстный слои, слой данных, управленческий и исполнительный слои, слой безопасности. Каждый отвечает за свою группу функций, а вместе они должны давать результат с достаточной ценностью для заказчика. Определённое число агентов или конкретная технологическая платформа архитектурой не требуются. Практически она нужна как основа универсальной методики организации работы с ИИ.
Функциональная архитектура отвечает на вопрос, что необходимо делать. Как это делать, решает организационно-техническая реализация, а когда выполнять действия, модель жизненного цикла.
Только вместе три компонента позволяют перейти от отдельных возможностей искусственного интеллекта к системной организации ИИ-проектов. Дальше концепцию предстоит развивать: уточнять функциональные связи между слоями, разрабатывать практические процедуры реализации и проверять эффективность на проектах разных типов.
Источники
- Anthropic. Building effective agents. 19.12.2024.
- Anthropic. Effective context engineering for AI agents. 29.09.2025.
- Anthropic. How we built our multi-agent research system. 13.06.2025.
- Anthropic. Effective harnesses for long-running agents. 26.11.2025.
- Anthropic. Demystifying evals for AI agents. 09.01.2026.
- OpenAI. A practical guide to building agents. 2025.
- Sumers T., Yao S., Narasimhan K., Griffiths T. Cognitive Architectures for Language Agents. 2023; TMLR, 2024.
- Project Management Institute. PMBOK Guide. 8th ed., 2025.
- ISO. ISO 21502:2020. Project, programme and portfolio management – Guidance on project management.
- NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 2023.
Остался вопрос по статье или совет не сработал на вашей задаче? Напишите в чат канала: t.me/disserkurs_chat. Я читаю каждое сообщение и дополняю статьи по вашим вопросам.
Новые статьи и уроки выходят в Telegram-канале t.me/disserkurs.