TL; DR
- Врач с частной практикой в Европе готовил документы и исследования через LLM вручную: до 15 промптов по очереди на один тип работы.
- Я разработал агента для оперативной работы с документацией и подготовки отчётов, обученного на стиле доктора: вместо 15 вставок — один запуск.
- Каждый новый тип работы упаковывается в отдельный скилл и воркфлоу, а персональные данные пациентов защищает отдельный сервис обезличивания.
Контекст
Клиент — врач с частной практикой в Европе. Заметная часть его времени уходит не на пациентов, а на бумаги: подготовка документов, исследований, отчётов. LLM с этим помогают, но «из коробки» выдают результат не в его стиле и не в его структуре — приходится долго доводить руками.
Отдельное ограничение: персональные данные пациентов нельзя отдавать в облачные LLM. Под это был спроектирован отдельный сервис токенизации, обезличивания и восстановления данных — про него есть кейс анонимайзера. Здесь — агентская часть той же истории.
Проблема
Чтобы получить от модели качественный результат, доктор выработал цепочки промптов: на один тип работы — до 15 разных промптов, которые нужно вставлять вручную и строго по очереди. Это работало, но каждая задача превращалась в ритуал копипасты: найти нужную цепочку, провести модель по всем шагам, ничего не перепутать. Подготовка документов и исследований занимала непозволительно долго — и почти всё это время было механическим.
Подход
- Собрал агента для работы с документацией и подготовки отчётов. Вместо того чтобы вести модель за руку пятнадцатью промптами, доктор формулирует задачу один раз — агент сам проходит всю цепочку и отдаёт итог.
- Обучил агента на стиле доктора. Формулировки и структура документов — его, а не «среднемодельные». Результат не нужно переписывать под себя.
- Упаковал типы работ в скилы и воркфлоу. Каждый новый тип работы — отдельный скилл и свой воркфлоу. Система расширяется добавлением, а не переделкой: появилась новая рутина — появился новый скилл.
- Встроил механизм обратной связи и улучшений. Замечания доктора не растворяются в переписке, а превращаются в правки скилов — агент со временем работает точнее.
- Связал агента с сервисом обезличивания. Данные пациентов токенизируются до того, как текст уходит в облачную модель, и восстанавливаются после. Раньше анонимизация вручную занимала час, теперь — 5 минут.
Результат
- Вместо 15 ручных промптов — один запуск агента. Доктор работает уже с итоговыми данными, а не с промежуточными шагами.
- Новые типы работ добавляются как скилы — не нужно каждый раз выстраивать и запоминать новую цепочку промптов.
- В связке с анонимайзером: обезличивание, на которое вручную уходил час, теперь занимает 5 минут.
Что бы сделал иначе
Начал бы с инвентаризации: сразу разложить все 15 промптов по типам работ и каждый тип с первого дня упаковывать в отдельный скилл. Путь от россыпи промптов к структуре «скилл + воркфлоу» можно было пройти быстрее — именно эта структура в итоге и сделала систему расширяемой.