BizOpsAgents321
Агенты учатся вместе с командой. Не инструмент в руках людей, а участники малой команды321 - с журналом, проверкой и общим опытом.
Малая команда321 + ИИ-агенты как её участники + своё железо и СХД: журналирование всех событий и озеро данных. Агенты накапливают опыт работы с системой так же, как люди.
Пришло время
Основа не меняется: -Ops- - постоянная команда сопровождения, которая живёт со своей системой годами вместе с бизнесом. Меняется то, что идёт за ней:
-OpsDev-
Сопровожденцы дорабатывают систему и пишут код сами. Подробнее
-OpsVibe-
Сопровожденцы с ИИ-ассистентами: код пишут ассистенты, команда проверяет и сопровождает. Подробнее
-OpsAgents-
Сопровожденцы и ИИ-агенты в одной команде: агенты накапливают опыт работы с системой и улучшают себя сами.
Сошлось сразу несколько вещей:
Агенты научились улучшать себя сами
Darwin Gödel Machine, Huxley-Gödel Machine, AlphaEvolve - 2025–2026, почти всё с открытым кодом под свободными лицензиями.
Железо стало персональным
ИИ-сервер со 128 ГБ памяти помещается на стол, а не в серверную стойку, и стал по карману.
Надёжнее работают команды с проверкой
Одиночный агент ошибается уверенно, большая толпа агентов теряет мнение знающего. Малая группа с независимой проверкой устойчивее. Даже рой агентов устойчив, только если он состоит из малых команд, - как и организация людей.
Всё - на своём железе
Данные, дообучение и проверка остаются внутри периметра. Чужую облачную модель под себя не дообучишь, а данные наружу отдавать нельзя. И правило 321 работает и здесь: команда не зависит от одной организации, в том числе от поставщика модели. Смена его цен или правил не отключает всех агентов разом.
Скоро без агентов не справиться
Без них всё труднее обеспечивать кибербезопасность, сопровождение и разработку: атаки и изменения ускоряются вместе с ИИ.
Агенты - в команды людей
Не отдельный цех, а участники малой команды321: проверка, журнал и общий опыт остаются в одной команде.
Осознанно, от -Vibe- к -Agents-
Без скачка: команды, которые уже работают с ИИ-ассистентами, шаг за шагом добавляют агентов. Сначала журнал и подтверждения, потом самоулучшение.
Пришло время реализовывать.
-Agents- не отменяет -Vibe- и -Dev-, а включает их. В реальной команде будет симбиоз: где-то люди пишут код сами, где-то ИИ-ассистенты, где-то агенты предлагают улучшения своих же инструкций и инструментов. Команда одна, ступени - все сразу.
Что делает смешанная команда321
Сопровождает и дорабатывает любые системы организации - их код и данные. Свои, купленные, унаследованные. Единое окно входа: с любым вопросом по системам - в одну команду, где люди и агенты работают вместе.
В больших организациях первый контакт - распределённая нулевая линия: ключевые специалисты (КС) и их представители на местах. Они часть команды. Подробнее
Агенты в контуре команды321
Исследования команд из ИИ-агентов и 35 лет практики321 пришли к одному: малая команда с проверкой - основа организации любого размера. Одиночный автономный агент ошибается так же, как одиночка-человек: галлюцинации, неполный взгляд, подгонка под проверку.
Агентов всегда несколько - и они разные
Правило 321: нет одного, на ком всё замкнуто, - ни человека, ни агента. Тот, кто предлагает изменение, и тот, кто его проверяет, - разные роли, по возможности на разных моделях: агенты на одной модели ошибаются одинаково. Главный независимый проверяющий - ключевой специалист с ПКП.
Главный верификатор - коллективное осознание (КО) команды
Кольцо автотестов на пользовательских контрольных примерах (ПКП) - его частный случай в программировании: агент меняет что угодно, но изменение проходит, только если ПКП зелёные.
ИИ предлагает - человек подтверждает
Сначала журнал и подтверждения, потом автономия и самоулучшение. Порядок важен. Агент приносит не больше предложений, чем команда успевает внимательно проверить, иначе подтверждение становится формальным.
Общий слой знаний
У агентов, как у людей, есть личная память. Но всё про систему пишется в общий слой: глоссарий, решения, ПКП, задачи, чат к задаче, где люди и агенты в одном обсуждении.
Учатся днём и во сне
Днём - на словах и символах: инструкции, инструменты, память, веса модели не трогают. Это работает уже сегодня. Следующий шаг - «сон»: когда нагрузка падает, закреплять опыт дообучением своей модели. Первые исследования уже есть (Google Research, октябрь 2026), на коробочке пока реально лёгкое дообучение моделей поменьше. Это возможно только на своём железе с открытыми моделями: веса чужой облачной модели под себя не поменяешь.
Смешанная команда устойчивее однородной. У людей - связь с реальностью, у агентов - объём и скорость. Их модели мира дополняют друг друга. Это -321 на новом уровне: распределённость не только по организациям, но и по природе участников.
Какие агенты уже можно пробовать
Самоулучшающиеся агенты с открытым кодом под разрешительными лицензиями MIT и Apache 2.0: их можно встраивать в свои решения, без привязки к поставщику.
Darwin Gödel Machine
Sakana AI и Джефф Клун, Apache-2.0. Агент переписывает свой код, проверка набором задач, архив всех версий.
Huxley-Gödel Machine
группа Юргена Шмидхубера, Apache-2.0. То же, но ветки выбирает по успехам «потомков». Ближе всего к самоулучшению по Шмидхуберу.
OpenEvolve
сообщество, Apache-2.0. Открытая реализация AlphaEvolve: эволюция куска кода под заданного оценщика.
ShinkaEvolve
Sakana AI, Apache-2.0. Эволюция кода, экономнее по вызовам модели.
SICA
Robeyns и др., MIT. Агент правит весь свой код на Python.
Gödel Agent
Yin и др., MIT. Меняет свою логику прямо во время работы.
ADAS
Hu, Lu, Клун, Apache-2.0. Мета-агент придумывает новых агентов.
Это исследовательский код под наборы задач, а не готовый продукт. Агент исполняет собственный изменённый код - только в изолированной среде. Поэтому берём подход, а не код целиком: агент с памятью, навыками и правилами, Кольцо ПКП как проверка, git как архив версий, выбор лучших версий - как в Huxley-Gödel Machine.
Узкий понятный старт - OpenEvolve или ShinkaEvolve. Эволюция одного расчёта или правила, оценщик - Кольцо ПКП, модель - открытая, на своём железе.
Железо
Сами агенты - лёгкие программы на Python. Железо нужно под модель. Для агентов важнее не скорость ответа, а чтение большого контекста (код, тесты, журналы) и параллельная работа.
Индивидуальные коробочки
NVIDIA DGX Spark или партнёрские версии на той же платформе GB10 (ASUS, Dell, Lenovo, MSI, Gigabyte): 128 ГБ общей памяти, размер с книгу, около 240 Вт. Открытые модели уровня gpt-oss-120b работают локально. Коробочка - у сотрудника или у малой команды. Две можно связать в одну для модели крупнее.
Общий GPU-сервер на организацию
Желательно. На нём прогоны самоулучшения, оценка новых версий агентов на ПКП, дообучение «во сне». Если сервер выходит из строя, задачи временно берут коробочки, и наоборот.
СХД - журнал всего и озеро данных
Система хранения данных (СХД) с первого дня. Журналируются все события: в системах организации, действия агентов и людей. Вместе с данными предметной области это озеро данных - исходные данные в одном месте, внутри своего периметра. На СХД:
Журнал действий агентов
Запрос, инструменты, результат, по чьему поручению. Ни одно действие не теряется и не правится задним числом.
История событий
Новую версию агента прогоняют на той же истории и сравнивают со старой. Лучше та, что точнее и проще объясняет то же самое.
Долгосрочная память агентов
Инструкции, навыки, версии в git, ПКП. Это гигабайты, максимум десятки.
Данные предметной области
Геоинформационная система (ГИС), диспетчерская SCADA, заявки, ремонты. Обычно сотни гигабайт.
Сырые потоки
Например, акустика с датчиков - на медленное объектное хранилище S3 внутри своего периметра, сжатие - сразу на входе.
Журнал - главный актив, веса модели - его производная. Базовую модель придётся менять, а опыт из журнала можно заново перенести в любую новую.
Начинаем на СХД начального уровня: для журнала и памяти агентов её хватает с запасом. Когда пойдут объёмные данные - добавляем жёсткие диски или объектное хранилище S3, холодные данные уходят туда автоматически. Веса моделей лежат на локальном диске коробочки, копии - на СХД.
Своё железо - основа, внешние модели - ускоритель
Внешние модели в облаке сильнее открытых и быстрее на больших прогонах. Используем их осознанно и с потолком бюджета, через мембрану: все внешние запросы идут через локального агента-шлюз. Он обезличивает запрос, отсекает закрытое и пишет в журнал всё, что ушло наружу.
Второй путь - аренда вычислений вместо аренды модели: открытая модель на арендованных GPU по своему договору. Веса и данные остаются своими.
И ещё одна роль внешних моделей - контрольная: те же задачи на сильной модели с обезличенными или синтетическими данными показывают, где дело в подходе, а где пока слаба своя модель.
С чего начать
Как расширение любой текущей задачи: один-два выделенных программиста, одна-две коробочки, СХД начального уровня и одна зона системы с Кольцом ПКП. Первый недельный цикл: агенты предлагают, ПКП проверяют, команда подтверждает. Всё - в журнал.
Такого старта хватает, чтобы проверить агента-участника на одной зоне и узкую эволюцию одного правила за ночь (OpenEvolve, ShinkaEvolve). Полноценное самоулучшение в стиле DGM и HGM потребует внешних мощностей.
Рельсы для этого уже есть: Кольцо ПКП, app321 с обновлением без остановки и чатом к задаче, журнал действий ИИ, 35 лет практики малых команд.
BizOpsAgents321: ИИ-агенты - участники малых команд321. Новый шаг развития с 2026.
Ступени: BizOpsDev321 - основа · BizOpsVibe321
О самоулучшающихся агентах - пост про Юргена Шмидхубера.