РАЗБОР РЕАЛЬНОЙ ОШИБКИ · 11

Как мы построили автономный контур публикации AI-статей

Уровень: среднийВремя: 10 минутРезультат: publication gate

Мы попросили AI-агента подготовить серию статей. Тексты появились, но при проверке выяснилось: в статье есть термин NotebookLM, а ссылки на словарь нет. Затем обнаружилась ещё одна проблема — после переписывания материалов не был обновлён llms.txt. Это не мелкие опечатки. Это провал процесса публикации.

Почему агент ошибся

Агент выполнил локальную задачу — написал HTML-файлы, — но не проверил весь контур. Правила существовали в контексте, однако не были превращены в обязательную автоматическую проверку. Поэтому система могла сказать «готово», хотя каталог, карта для LLM и словарь были рассинхронизированы.

Первое решение: редакционные правила

Мы зафиксировали обязательную структуру: живая проблема в начале, конкретный результат, уровень сложности, время чтения, пошаговые действия, ошибки, проверка и ограничения. Отдельно добавили правило: первый специальный термин должен вести в лабораторный словарь.

Так статья перестаёт быть набором общих советов. Читатель понимает, что сломано, повторяет действия и проверяет результат.

Второе решение: единая карта материалов

У каждой статьи есть несколько представлений: HTML-страница для человека, запись в guides.html, URL в sitemap.xml и краткая карточка в llms.txt. Последний файл помогает AI-системам быстро понять структуру журнала и выбрать подходящий материал.

новая статья
  ├── guide.html
  ├── guides.html
  ├── sitemap.xml
  ├── llms.txt
  └── glossary.js

Если меняется название или смысл статьи, обновляются все связанные представления. Одной ссылки в Git недостаточно.

Третье решение: автоматический publication gate

Мы добавили скрипт scripts/check-publication.py. Он проходит по всем guide-*.html и проверяет обязательные элементы:

cd agentlabjournal
python3 scripts/check-publication.py

PUBLICATION_GATE: OK

Если ссылка пропущена, скрипт возвращает BLOCKED и показывает конкретный файл. Такой результат нельзя замаскировать красивым ответом модели.

Почему это и есть автономность

Автономность — не «агент делает что угодно без контроля». Это система, которая сама выполняет разрешённую работу и сама останавливается, когда обязательное условие не выполнено. Человек принимает решение о цели, а машина проверяет повторяемые правила.

Итог

После одной ошибки мы получили воспроизводимый контур: правило → артефакт → автоматическая проверка → публикация. Такой подход можно перенести на код, R&D-эксперименты, почту и Telegram-агентов.

← Все инструкции · Лабораторный словарь →