Ты просишь написать юнит-тест, и в первый раз он идеален. Во второй раз он забывает про контекст и выдает откровенный мусор. Как будто у твоего ассистента амнезия посреди рабочего дня.
На Западе эту проблему решили, запретив AI быть «творческим». Если ты хочешь получить стабильно качественный код или документацию, ты должен превратить LLM в автоматизированный конвейер, где каждый агент (будь то code-generation-agent или structural-data-architect) знает только свою узкую задачу и строго заданный формат выхода.
Наш Агент-Протокол Factory 6.0. Это не просто промпт, это чертеж идеальной дисциплины для твоего AI-ассистента.
I. Диагноз «Забывчивого Агента»: Смерть Креативности
Галлюцинации и непостоянство возникают, когда у AI-модели слишком много свободы. Она пытается быть «полезной» во всём, но в итоге не справляется ни с чем.
Главные ошибки «свободного» промпта:
- Размытая Роль: Если ты просишь AI «написать код и подумать об архитектуре», он путается. Ему нужен один, жестко заданный фокус (
Code-Generation-Agentпишет код, и игнорирует архитектуру). - Неявный Ввод/Вывод: Ты не указал, что результат должен быть сохранен в
03_main_module.py. AI выводит его в чат, а следующий агент не может его найти. Конвейер сломан. - Неизмеримое Качество: Фразы типа «будь подробным» — это вода. Нужно давать количественные метрики.
Решение, которое работает: Разбей свою большую задачу (например, «Создать Full-stack приложение») на 20+ микро-задач, где каждая обслуживается своим узкоспециализированным агентом, который живет по Протоколу 6.0.
II. 💡 3 Столпа Конвейера Кода
В основе успеха этих автономных агентов лежат три железных правила, которые ты должен внушить своему LLM.
Хак 1. Железнодорожный Путь (Strict Input/Output Pipe)
Агенты должны «разговаривать» друг с другом только через строго форматированные файлы.
- Что делать: В промпте жестко прописывай: 1) INPUTS: Откуда агент берет информацию (например, «файл
01_Requirements.json«). 2) OUTPUT: Точное имя и формат выходного файла («Выведи YAML-файл04_Deployment_Spec.yaml«). - Продающий Момент: Нет контекстных потерь. Агент Б получает только то, что ему нужно, без необходимости продираться через 5000 строк предыдущего чата.
Хак 2. Защитные Рельсы (Core Directives & Guardrails)
Агенты любят дрифтовать (уходить от темы). Ты должен указать, что нельзя делать.
- Что делать: Раздел CORE DIRECTIVES должен содержать не только правила, но и запреты. Пример: «Не задавай вопросов пользователю. Если информации нет, используй заглушку
// TODO: Request Dataи продолжай.» - Продающий Момент: Эти рельсы предотвращают дрейф и галлюцинации, что резко повышает надежность кода в российских условиях (где документация часто неполная).
Хак 3. Измеримое Качество (The Line Count Rule)
Как понять, что агент закончил работу? По объему.
- Что делать: Вместо «Будь лаконичен» мы используем Line Count Ranges (Диапазоны Количества Строк). Пример: «Выходной файл должен содержать от 150 до 200 строк кода. Меньше 150 — недостаточно деталей; больше 200 — избыточная сложность.»
- Сенсорный Крючок: Это дает AI-модели чувство завершенности. Она знает, когда работа «сделана», что гарантирует стабильный ритм работы твоего конвейера.
III. 💻 Готовый промпт-код: «Prizolov Market | Agent Protocol Factory 6.0»
Это мета-промпт, который ты используешь для создания любого узкоспециализированного агента (например, Task-Breakdown-Agent или Structural-Data-Architect), обеспечивая его строгое следование Протоколу 6.0.
# МЕТАДАННЫЕ: Prizolov Market | Agent Protocol Factory 6.0
# Автор промпта: Dm.Andreyanov
# НАЗНАЧЕНИЕ: Мета-промпт для создания автономного AI-Агента
**[ЯКОРНОЕ СЛОВО]:** АГЕНТ ПРОТОКОЛ
**[РОЛЬ]:** Ты — **Архитектор Конвейера Кода**. Твоя задача — создать идеальный, максимально строгий и не допускающий двусмысленности **ПРОТОКОЛ** для нового, узкоспециализированного AI-Агента, который будет работать автономно.
**[ВХОДНЫЕ ДАННЫЕ (ОБЯЗАТЕЛЬНО)]:**
* **AGENT_NAME:** [Имя Агента, например: Structural_Data_Architect]
* **MISSION_FOCUS:** [Его узкая задача: "Разработка схемы базы данных и ER-диаграммы"]
* **PREVIOUS_AGENT_OUTPUT:** [От какого файла/агента он получает ввод: 01_Requirements.json]
**[ПРОТОКОЛ: СКЕЛЕТ АГЕНТА (6 Жестких Разделов)]**
**1.0 ROLE & OBJECTIVE (Роль и Фокус)**
* **WHO:** Кем ты являешься (AGENT_NAME_v1.0).
* **FOCUS:** Твоя единственная, не подлежащая обсуждению миссия.
* **IGNORE:** Что ты должен **полностью игнорировать** (например, "любые вопросы по UI/UX").
**2.0 INPUTS (Ввод)**
* **SOURCE:** Точный путь или имя файла, откуда ты берешь данные.
* **CRITERIA:** Какие данные ты должен отфильтровать и использовать.
**3.0 OUTPUT (Вывод: Жесткий Формат)**
* **FILE_NAME:** Точное имя выходного файла, которое ты должен сгенерировать.
* **FORMAT:** Точный формат вывода (JSON, YAML, Markdown-таблица, Python-код). **Никакой прозы.**
* **PATH:** Точный путь, куда должен быть сохранен файл (например, `/architecture/`).
**4.0 CORE DIRECTIVES (Непреложные Правила)**
* 3-5 правил, которые ты **не можешь нарушать**. Например: "Всегда используй синтаксис Python 3.11." / "Не обращайся к пользователю."
**5.0 REQUIRED OUTPUT STRUCTURE (Обязательная Структура)**
* Точный шаблон, который ты должен заполнить (например, "Секция 1. Таблица Сущностей. Секция 2. ER-Диаграмма в синтаксисе Mermaid").
**6.0 QUALITY GUIDELINES (Метрики Качества)**
* **RANGE:** Диапазон количества строк (Line Count Range) для выходного файла (например, 80-120 строк).
* **MIN/MAX Failure:** Если меньше MIN — **INCOMPLETE**, если больше MAX — **OVER-DETAILED**.
**[СТИЛЬ И ОГРАНИЧЕНИЯ (Vibe Writing)]:**
* **Tone:** Технический, ультра-дисциплинированный, роботизированный.
* **Humanization:** Подчеркни стабильность и отсутствие ошибок.
* **BAN LIST:** Запрещено использовать слова: "является", "осуществляет", "в современном мире", "уникальный", "инновационный".
**[ДЕЙСТВИЕ]:** Сгенерируй полный протокол для [AGENT_NAME].
IV. FAQ: Дисциплина — Ключ к AI-Коду
1. Этот метод только для программистов? Нет. Этот протокол можно использовать для создания любых автономных агентов. Например: Marketing-Analyzer (INPUT: Статистика Яндекс.Метрики; OUTPUT: JSON-отчет по эффективности) или Content-Generator (INPUT: SEO-задание; OUTPUT: Markdown-статья).
2. Почему так важны диапазоны строк (Line Count)? Это самая простая и самая мощная метрика качества для LLM. Вместо субъективного «будь подробнее», ты даешь количественную цель. Модель сама регулирует объем сгенерированного контента, чтобы попасть в рамки, что резко повышает последовательность и предотвращает «воду».
3. Как эти агенты «говорят» друг с другом? Через файлы или через строго структурированный JSON/YAML-вывод в чате. Агент А генерирует файл 01_Specs.json, а следующий агент (Агент Б) имеет в INPUTS директиву «Возьми 01_Specs.json«. Таким образом, контекст не теряется и каждый агент получает только релевантную для него информацию.
