Собрали умного помощника в чате. Отвечает складно, иногда даже лезет в базу или форму — и на полпути замирает. Дальше заказ, проверку, выплату или тикет снова склеивает человек. Клиент повторяет историю с нуля, а почему бот так решил — никто не покажет.
В GPTBots для этого есть LoopAgent: не справочник на один ответ и не жёсткая схема, где путь нарисовали заранее. Модель сама выбирает следующий шаг — знание, таблица, инструмент или человек — и крутит круг, пока не дойдёт до ответа или лимита. Задача должна закрываться как работа, а не как переписка.
Ответ в чате ещё не значит, что дело сделано
Рынок уже сыт демо, где бот красиво болтает. На экране всё гладко: «да, конечно, помогу с возвратом». А дальше — три системы, две политики и живой оператор, который снова спрашивает номер заказа. Клиент злится не на «глупую модель», а на то, что разговор оборвался посередине работы.
Обычный агент на платформе GPTBots по сути делает одно: достал знание — отдал ответ. Для справочника этого хватает. Для страхового случая, ежедневного отчёта или возврата денег — нет. Там нужен не собеседник, а исполнитель, который держит нить через несколько действий.
3 августа 2026 Aurora Mobile через GPTBots.ai как раз заявила такой слой: LoopAgent. Не «ещё одна модель», а движок исполнения, который вендор держит сам — без ожидания, когда чужой открытый каркас снова переломает обновление.
Жёсткая схема ломается, едва клиент сворачивает с маршрута
На той же платформе есть FlowAgent: человек рисует путь блоками. Удобно, пока мир совпадает с картинкой. Клиент сказал не то слово, платёж завис, база ответила ошибкой — и схема либо молчит, либо гонит по ветке, которую никто не предусмотрел.
LoopAgent устроен иначе. Путь каждый раз выбирает модель прямо в работе: лезть в базу знаний, дернуть инструмент, открыть таблицу, позвать человека или уже отвечать. Цикл простой: подумал — позвал инструмент? — посмотрел результат — снова подумал. Пока не решит ответить или не упрётся в лимит кругов.
Ответ может прийти медленнее, чем у справочного бота. Это не зависание и не «нейросеть тупит». Это работа: агент реально ходит по системам, а не имитирует уверенность одним абзацем.
Сборка — не промпт в пустоту, а роль с ограждениями
LoopAgent собирают из трёх кусков. Личность: кто он и как говорит. Возможности: знания, инструменты и MCP, сценарии, таблицы, навыки, формы, эскалация к человеку. Ограждения: сколько кругов максимум и стоп после серии ошибок. Без лимита получите дорогое кручение и пустой кошелёк.
Секреты к инструментам модель не видит — ключи подставляет платформа. Упал вызов — ход не рвётся: ошибка возвращается в цикл, и модель может попробовать иначе. Сценарий как инструмент появится только если его опубликовали и привязали. Черновик в редакторе молчит так, будто его нет. Ищите баг в публикации, а не в «модели».
Навыки здесь — не кнопка «вызвать скрипт», а инструкция. В ход сначала дают каталог имён и коротких описаний. Полный текст из SKILL.md подгружается, когда модель решила, что он нужен. До десяти навыков на агента, пакет до 20 МБ, Python в песочнице на Linux. Ленивая подгрузка экономит токены — и спасает от привычки запихнуть всю методичку в системный промпт.
Сохранили в отладке — клиент всё ещё на старом снимке
Самая тупая ловушка звучит скучно и ломает прод чаще красивых теорий. Save пишет только отладку. Каналы, виджет, Open API, Telegram, Slack и живой чат живут на снимке последнего Publish. Починили в Debug — радуетесь — а снаружи крутится вчерашняя версия. Ни разу не нажали Publish — внешний мир вообще ничего не видит.
Отладка ещё и врёт про память: каждый заход — чистый контекст, без истории между ходами, хотя счёт идёт как за живой разговор. Несколько сообщений подряд по задумке сливаются в один ответ. «Отправил три — получил один» — не потеря, а очередь. Тело склеенного куска — до 8192 символов.
Навык «не работает» почти всегда из быта: выключен общий рубильник, навык не примонтирован, тело пустое, имена столкнулись (регистр важен, остаётся первый), или снова забыли Save. Приватный навык агента после Save живёт только в Debug; клиентам нужен Publish. Организационный навык после Save уже общий — путаница дорогая.
Слабая модель крутит круг и врёт на полпути
Документация GPTBots прямо пишет: слабая модель не зовёт инструмент, ходит кругами или уверенно врёт посередине. Для простого теста хватит лёгкой. Для заказа, возврата и политики — берите то, что заточено под агентов. LoopAgent жрёт больше кредитов, чем справочник — это плата за исполнение, а не «баг биллинга».
В релизе заложили то, чего не хватает чат-демо: песочница для команд, пошаговый след решений, передача человеку с закрытым саммари контекста, подтягивание знаний по ходу. Клиент не должен заново рассказывать, что уже сказал боту. Оператор не должен гадать, почему агент так решил.
Не путайте с одноимёнными классами у Microsoft и Google в поиске — это другие продукты. Здесь речь про LoopAgent на GPTBots.ai от Aurora Mobile.
Работа закрыта, когда есть лимит, след и человек рядом
Смысл новости не в бренде. Смысл в критерии: агент либо доводит дело до ответа (или честного стопа по лимиту), либо это всё ещё чат с костылями. Если после «умного ответа» человек снова склеивает заказ, проверку и выплату — вы купили разговор, а не исполнителя. И это уже не «почти готово», а обычная пустышка с красивым интерфейсом.
Ограждения, снимок для клиента и след хода — не украшения после демо, а условие, без которого «умный ответ» снова разваливается на ручную склейку. Эскалация к человеку без саммари — тот же обрыв, только с живым лицом.
Свежие разборы и рабочие связки — в канале «Ковчег». Автоматизация с нейросетями, Make и Cursor — в канале MAX. Если нужен стек Cursor + Make + AI под агентов и субагентов — обучение на kv-ai.ru.
