Поток состоит из следующих шагов: Сбор контекста -> Создание промпта  -> Ответ модели -> Применение результата.

Как происходит сборка промпта Процесс генерации представляет собой динамическое включение данных в жестко заданную структуру (Prompt Template). Промпт обычно собирается из четырех слоев:

System Persona (Статика): Базовые инструкции, определяющие роль агента, ограничения и формат вывода. Например, требование вернуть валидный JSON для парсинга.

Current State / Context (Динамика): Данные, собранные на предыдущем шаге. Например, результаты RAG-запроса к векторной БД, ответы API или код ошибки предыдущего выполнения.

Memory / Chat History (Динамика): Массив предыдущих сообщений для сохранения контекста диалога. Например, история вопросов пользователя и предыдущих ответов бота.

Action Directive (Статика/Динамика): Конкретная задача для текущей итерации цикла. Например: «Проанализируй эти логи и реши, нужно ли продолжать поиск или можно дать ответ».

Пример промпт (то, что код отправляет в LLM) [System Persona] Ты — вежливый ИИ-ассистент службы поддержки интернет-магазина. Формат ответа: строго JSON с полями message (текст клиенту) и next_step (со значением “wait_user” или “close_ticket”).

[Current State / Context] Данные из системы: Заказ: №1042 Статус: Передан курьеру (Иван) Ожидаемое время доставки: через 20 минут

[Memory / Chat History] История диалога: [Клиент]: Здравствуйте! Где мой заказ №1042?

[Action Directive] Текущая задача: Проанализируй статус заказа из контекста. Сформируй понятный ответ клиенту и определи следующий шаг.