Глава 42. Документы, дизайн, интерфейсы

Последняя практическая глава про три прикладные области, в которых новички обжигаются одинаково.

Документы Задача звучит просто: у нас есть документы, хотим, чтобы агент с ними работал. И ошибка тоже всегда одна: всё подряд гонят через тяжёлый разбор с распознаванием текста, а потом удивляются, с хуя ли на выходе каша.

Правильная схема делит по типу входа.

КУДА ОТПРАВИТЬ ДОКУМЕНТ

Документ пришёл на разбор

Офисный формат в лёгкий конвертер Скан или изображение в тяжёлый разбор

структура есть, надо не проебать распознавание, макет, порядок чтения

Обе ветки сходятся в одном представлении, из которого дальше получают текст для модели, структурированные данные или куски для поиска.

Почему это принципиально, показывает замер на живом документе. Популярная библиотека разобрала таблицу за сто семьдесят миллисекунд и развалила её в вертикальный столбик ячеек: связь строки и колонки потерялась начисто. Специализированный конвертер справился за четырнадцать миллисекунд и вернул нормальную таблицу с заголовками и вложенными блоками.

ГЛАВНОЕ ПРО РАЗБОР ДОКУМЕНТОВ Дело не в скорости. Дело в том, что развалившаяся таблица это ровно то, что увидит модель, когда человек прикрепит коммерческое предложение. Проверяй разбор на самом сложном своём документе. Он и есть твой потолок качества, всё остальное настройка вокруг него.

Второе правило той же области: куски для поиска лучше делать моделью, а не фиксированным алгоритмом. Нарезка по числу символов рвёт таблицы посередине и отрывает заголовок от содержания. Модель режет по смыслу и заодно дописывает метаданные: путь по оглавлению, дату, краткое описание.

Дороже на подготовке, дешевле на каждом последующем вопросе.

Документы, дизайн, интерфейсы

Фронтенд: где модели всё ещё проигрывают Область, в которой разрыв между ощущением и реальностью самый невъебенный.

Причина названа прямо: модели плохо работают с интерфейсами не потому, что это сложно, а потому что учились они на хуёвых интерфейсах. Открытого кода фронтенда до хуя, и качество его в массе так себе.

Второе, более техническое: изрядная часть дефектов интерфейса из кода не видна вообще. Элемент, который перекрывает другой на определённой ширине экрана. Текст, вылезающий за границу при длинном значении. Кнопка, до которой не дотянуться пальцем. Всё это видно глазами и не видно в исходниках.

Разбор конкретного случая: в одном блоке интерфейса при внимательной проверке нашлось два десятка дефектов, и ни один, сука, не был виден из кода.

КАК ПРОВЕРЯТЬ ИНТЕРФЕЙС, СДЕЛАННЫЙ АГЕНТОМ 1. Обязательно смотри глазами. Никакая проверка кода это не заменит. 2. Проверь на трёх ширинах экрана и на устройстве, а не только в браузере. 3. Подставь предельные значения: очень длинное имя, пустое поле, ноль элементов, тысяча элементов. 4. Пройди основной сценарий с клавиатуры, без мыши. 5. Дай посмотреть человеку, который не участвовал. Он найдёт то, к чему ты уже привык.

Дизайн начинается с референсов Отдельная тема, которая всплывала регулярно: результат выглядит шаблонно.

Признак сформулировали точно: всё дефолтное. Стандартные отступы, стандартные цвета, стандартные компоненты, своего ни хуя.

Причина понятна из механики: модель выдаёт наиболее вероятное, а наиболее вероятное это среднее по обучающим данным.

Что действительно помогает, по опыту практиков:

Референсы. Собрать примеры того, что нравится, и дать их модели. Без них она будет усреднять до бесконечности.

Дизайн-система. Задать палитру, шрифты, отступы, компоненты. Тогда у результата появляется общий язык.

Итерация через конструктор. Самый короткий путь: сгенерировать первую версию в специализированном инструменте для интерфейсов, а потом довести её в коде.

И честное наблюдение из разговоров: скилл, который просто меняет один шаблонный результат на другой, не решает ни хуя. Важнее не инструкция, а материал, от которого можно оттолкнуться.

Документы, дизайн, интерфейсы

КТО ДОЛЖЕН ЗАНИМАТЬСЯ ВИДОМ ПРОДУКТА Разработчик с референсами. Дешевле и быстрее, результат приемлемый для внутренних инструментов и прототипов. Дизайнер с системой. Дороже, дольше, единственный вариант там, где вид продукта это часть его ценности. Что общего. Обоим нужна дизайн-система. Без неё первый усредняет, а второй не может передать свои решения агенту.

Умение видеть шаблонный результат это навык Наблюдение, которое стоит принять всерьёз.

Человек, который никогда не смотрел на интерфейсы внимательно, хуй отличит хороший от среднего. И будет искренне доволен результатом, который специалист опознает с одного взгляда.

Касается это не только дизайна. Тексты, структура кода, формулировки в документации: везде есть узнаваемая усреднённость, и умение её замечать нарабатывается только насмотренностью.

Практический совет отсюда: не разбираешься в области, покажи результат тому, кто разбирается. Хотя бы раз, чтобы откалибровать собственное восприятие.

Обратная связь вместо идеальности Приём, который снимает половину проблемы качества интерфейса.

Кнопка сообщить об ошибке, которая прикладывает снимок состояния, даёт больше дефектов, чем любое количество часов ручной проверки. Никакая проверка не гарантирует отсутствия ошибок, а поток от пользователей гарантирует, что о самых заметных ты узнаешь.

Формулировка практика: даже если ты сидел и перебирал двадцать часов, это не гарантирует отсутствия ошибок; хочешь бесплатный поток обратной связи, добавь кнопку.

Возражение, которое там же прозвучало: выпускать сырое неуважительно к пользователю. Правы оба, и граница проходит по тому, кто твой пользователь и сколько стоит его время.

Синхронизация дизайна и кода Короткий, но полезный сюжет.

Проблема известна с незапамятных времён: макет и код разъезжаются. С агентами она обострилась, потому что скорость изменений выросла в разы.

Что работает: единый источник истины для оформления. Не картинка и не описание, а набор значений, из которого берут и макет, и код. Тогда расхождение становится технически невозможным, а не запрещённым.

Частный случай общего принципа из главы про детерминированные проверки: то, что должно совпадать всегда, должно совпадать по построению, а не по договорённости.

Документы, дизайн, интерфейсы

Что запомнить Офисные форматы через распознавание не гоняй. Структура там уже есть, задача её не проебать.

Проверяй разбор на самом сложном документе: развалившаяся таблица это твой потолок качества.

Куски для поиска режь моделью, а не по числу символов.

Дефекты интерфейса из кода не видны. Смотри глазами, на разных ширинах, с предельными значениями.

Дизайн начинается с референсов и системы, а не со скилла.

Умение видеть шаблонный результат это навык. Нет его, покажи тому, у кого есть.

И то, что должно совпадать всегда, пусть совпадает по построению.

Заключение. Что устоялось, а что нет Книга собрана из полугода живого разговора. За это время сменилось несколько поколений моделей, дважды перевернулись представления о том, сколько нужно инструкций, и ни разу, блядь, не закрылся спор о том, что вообще называть агентом.

Полезно на прощание разделить материал на три круга по сроку годности.

Ядро: то, что не изменится Эти утверждения держались весь период и от конкретных инструментов не зависят.

Контекст это ресурс. Он платный, ограниченный и неравномерный. Всё, что ты делаешь с обвязкой, ты делаешь с контекстом.

Проверка обязательна и она твоя. Модель дадут, цикл дадут, инструменты дадут. А способ узнать, годится ли результат, не даст ни одна сука.

Гарантии живут в коде, а не в тексте. На правило можно положить хуй, на хук нельзя. Формат, описанный словами, нарушается в одном случае из десяти.

Нельзя быть себе судьёй. Предвзятость создаётся контекстом, поэтому ревью в чистой сессии находит то, чего не видит автор.

Один прогон это не измерение. Агент стохастичен, и единичный результат это точка из распределения.

Делегирование это решение по дизайну. Не способ сэкономить контекст. Издержки координации есть всегда.

Запрет без предоставленного пути рождает изворотливость. Агент ищет дорогу к цели, а не границу морали.

ТРИ КРУГА ПО СРОКУ ГОДНОСТИ

Ядро Средний слой Внешний слой

не изменится год месяц

Средний слой: то, что меняется за год Здесь консенсуса нет, и позиции ползут вместе с моделями.

Сколько нужно обвязки. За наблюдаемый период маятник качнулся от чем больше инструкций, тем лучше до снесите восемьдесят процентов и не заметите разницы. Куда он качнётся дальше, хуй знает.

Где предел автономии. Сегодня это порядка десяти-пятнадцати часов при наличии критериев на каждом шаге. Год назад это были полтора часа.

Заключение. Что устоялось, а что нет

Нужен ли тяжёлый процесс. Строгий конвейер и панк-кодинг оба работают у практиков, и выбор определяется ценой ошибки, а не тем, кто кого перепиздел в споре.

Что делать с многоагентностью. Устоялось только разграничение: сбор делится, выбор нет. Всё остальное открыто.

Внешний слой: то, что устареет к выходу книги Названия моделей. Цены. Лимиты. Уровни усилий и их поведение. Конкретные инструменты и их возможности. Кто сегодня лучше на каком классе задач.

Именно поэтому в книге почти нет имён и чисел этого слоя. Их место в закладках браузера, а не в тексте, который проживёт дольше квартала.

Споры, которые остались открытыми Честности ради перечислим то, что за полгода так и не разрешилось.

Что такое харнесс. Три несовместимых определения, и все в ходу.

Нужно ли понимать уровень ниже. Аргументы обеих сторон сильные, эксперимент невозможен.

Сколько полировать. Опыт к правилу не свёлся.

Откуда брать новых людей. Опыт различения рабочего и кажущегося рабочим накапливался в условиях, которых больше нет.

Выдержит ли экономика. Нынешние цены держатся на инвестициях, и что будет дальше, не знает ни одна живая душа.

ГЛАВНОЕ НА ПРОЩАНИЕ Область не устоялась, и книга это не свод законов. Здесь собрано то, что работало у многих на настоящих задачах. Проверяй на своей. И если что-то из написанного у тебя не сработало, скорее всего прав ты, а не книга.

Что делать дальше Три вещи, в этом порядке.

Собери свой набор проверок. Десять типовых задач с проверяемым критерием успеха. Гоняй их после каждого изменения. Это единственное, что переживёт смену моделей, инструментов и настроений.

Собери минимальный обвес. Не тот, который ты подсмотрел у других, а тот, который закрывает места, где спотыкаешься именно ты. Начни с трёх строк и добавляй только после второго повторения проблемы. Всё остальное это украшательство и трата контекста.

Заведи привычку измерять. Не спорить о приёмах, а сравнивать. Разброс между прогонами говорит о твоей системе больше, чем любая глава.

Заключение. Что устоялось, а что нет

Последнее Самое ценное наблюдение из всего корпуса не техническое.

Люди, у которых получалось охуенно, отличались не набором инструментов и не выбором модели. Они отличались тем, что задавали себе вопрос чем я проверю раньше, чем вопрос как я это сделаю.

Вот и весь секрет, ради которого написаны предыдущие двести страниц. Дальше уже сам.

← Агент в групповом чате · оглавление · Словарь терминов →

Спросить книгу может любой, кто вошёл в Neuraldeep Hub: агент ищет ответ по тексту и приводит цитату со ссылкой на главу.