🎯 О чём этот конспект: Разбор архитектуры внутреннего AI-агента компании Answer This, который позволил команде из двух человек достичь $2 млн ARR. Система самостоятельно обрабатывает почту, закрывает тикеты поддержки, обновляет CRM и, что самое важное, сама пишет для себя новые инструменты (CLIs), когда сталкивается с неизвестными задачами.

👤 Кому будет полезно: Основателям стартапов, вайбкодерам и инженерам, которые хотят автоматизировать операционку и создать «саморазвивающуюся» IT-инфраструктуру без расширения штата.

✨ Что получите: Готовую схему архитектуры агента, который обладает тремя типами памяти (фактической, поведенческой и процедурной) и способен расширять свой функционал через написание кода.

1. Архитектура «Тонкого каркаса» на базе Claude Code

Контекст: Вместо создания сложного монолитного приложения, авторы используют Claude Code CLI, обернутый в Python-скрипт. Это позволяет агенту использовать уже имеющиеся возможности Claude по чтению файлов, запуску команд в терминале и работе с системными утилитами. Агент не просто отвечает на вопросы, он живет в терминале и имеет доступ к операционной системе, что делает его полноценным оператором бизнеса.

Тайминг: [01:36], [03:07]

Выгода: Минимальные затраты на разработку инфраструктуры — вы используете мощь готового CLI от Anthropic как «мозги» и «руки» системы.

Как применить:

• Шаг 1: Обертка — Напишите Python-скрипт, который мониторит входящие каналы (Slack, Email) и перенаправляет сообщения в очередь задач (Task Queue).
• Шаг 2: Интеграция — Подключите Claude Code CLI к этой очереди, чтобы он поочередно брал задачи и исполнял их в изолированном окружении.
• Шаг 3: Доступ — Предоставьте агенту SSH-доступ к среде, где он может выполнять команды.

2. Фактическая память: Read-only доступ к базе и коду

Контекст: Чтобы агент понимал бизнес-логику (например, как работают подписки или где лежат файлы фронтенда), ему не нужны пересказы. Ему нужен прямой доступ к первоисточнику. Авторы настроили Cron-job, который при каждом релизе обновляет для агента read-only копию всей кодовой базы и структуры базы данных.

Тайминг: [02:12], [04:38]

Выгода: Агент отвечает на вопросы о бизнесе («Почему у юзера X не прошла оплата?») на основе реального кода и данных, а не галлюцинаций.

Как применить:

• Шаг 1: Синхронизация — Настройте автоматическое копирование репозитория в директорию, доступную агенту, при каждом пуше в main.
• Шаг 2: Дамп БД — Создайте процесс, который выгружает схему базы данных (без чувствительных данных пользователей) в текстовый файл для контекста агента.
• Шаг 3: Промпт — Укажите агенту путь к этим файлам как к основному источнику знаний о логике продукта.

3. Саморасширение: Агент, который пишет себе инструменты

Контекст: Это ключевая фишка системы. Если агенту дают задачу, для которой у него нет инструмента (например, «проверь статус рекламных лендингов»), он не выдает ошибку. Он вызывает «суб-агента» (другой экземпляр Claude Code), который пишет Python-скрипт или CLI-утилиту для решения этой задачи. Этот инструмент сохраняется и становится доступным для всех будущих сессий.

Тайминг: [01:24], [03:00]

Выгода: Система эволюционирует сама. У Answer This агент самостоятельно создал более 45 кастомных CLI-инструментов.

Как применить:

• Шаг 1: Инструментарий — Дайте основному агенту доступ к CLI популярных сервисов (Stripe, Intercom, Fathom).
• Шаг 2: Мета-инструмент — Добавьте в список доступных команд вызов claude-code с инструкцией «напиши новый CLI-инструмент для задачи X».
• Шаг 3: Персистентность — Сохраняйте созданные скрипты в специальную папку /tools, которая всегда находится в PATH агента.

4. Поведенческая память через instructions.md

Контекст: Чтобы менять поведение агента без переписывания кода, используется файл instructions.md. Он подгружается при каждом запуске (turn) агента. Самое важное: агент имеет право сам редактировать этот файл на основе фидбека от людей в Slack.

Тайминг: [03:43], [04:23]

Выгода: Нетехнический сооснователь может «обучать» агента, просто написав ему в чат: «В следующий раз при такой ошибке делай вот так». Агент обновит свою инструкцию и больше не совершит ошибку.

Как применить:

• Шаг 1: Создание — Создайте файл instructions.md в корневой директории агента.
• Шаг 2: Загрузка — В системном промпте укажите: Always read and follow instructions from instructions.md before acting.
• Шаг 3: Редактирование — Дайте агенту инструмент для записи в этот файл.

Пример структуры файла:

# Правила обработки тикетов
- Если клиент просит возврат, сначала проверь дату транзакции через Stripe CLI.
- Никогда не обещай сроки исправления багов без консультации с @Ryan.
- [Новое правило от 24.05]: Для пользователей из EU всегда добавляй ссылку на GDPR-документацию.

FAQ

В: Как агент понимает, что ему нужно создать новый инструмент? О: Когда он получает задачу и видит, что среди доступных CLI-команд нет подходящей, он инициирует процесс «self-authoring». Он анализирует API нужного сервиса и пишет скрипт-прослойку.

В: Безопасно ли давать агенту доступ к кодовой базе и БД? О: Автор подчеркивает, что доступ должен быть строго read-only. Агент может читать код для понимания логики, но не может менять продакшн-код без аппрува. Для БД используется копия или доступ только к схеме и нечувствительным таблицам.

В: Какие инструменты агент создал сам в Answer This? О: Например, систему мониторинга лендингов (Cron-job), которая проверяет доступность страниц перед запуском рекламы, и специфические парсеры для CRM. Всего создано более 45 таких утилит.

В: Как нетехнический человек может управлять этим агентом? О: Через Slack. Агент подключен к каналу, и любое сообщение пользователя воспринимается как фидбек или задача. Если пользователь говорит «Ты ошибся здесь», агент анализирует ошибку и обновляет свой instructions.md.

В: Можно ли использовать ChatGPT вместо Claude Code? О: Автор рекомендует Claude Code, так как он изначально оптимизирован для работы в терминале, понимает структуру файлов и умеет эффективно запускать CLI-команды «из коробки».

Ресурсы и ссылки

• Answer This — AI-агенты для научных исследований (проект автора) — https://answerthis.io
• Claude Code — CLI-инструмент от Anthropic для кодинга и автоматизации — https://docs.anthropic.com/en/docs/agents-and-tools/claude-code
• Stripe CLI — Инструмент для управления платежами через терминал — https://stripe.com/docs/stripe-cli
• Intercom CLI — Упомянут как один из базовых инструментов агента — упомянут в видео
• Fathom — Аналитика, к которой у агента есть доступ — упомянут в видео

Конспект создан на основе видео «How we use AI agents to do $2M ARR with 2 people» канала Ayush (Answer This). Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/DGD9b8K42lk