В Threads набирает популярность тема специализированных AI-систем для торговли. Трейдер поделился опытом построения конвейера из нескольких агентов: один анализирует рынок, другой ищет возможности, третий управляет рисками, четвёртый исполняет сделки, плюс ещё два в прямой поддержке. Идея в том, чтобы каждый агент отвечал за одну функцию вместо попытки заставить одного бота решать всё сразу.
Это отражает реальную проблему текущего поколения LLM в контексте торговли: один большой язык-модель часто перепроверяет себя, тратит токены на размышление о том, что она уже решила, или даёт ответы, которые выглядят убедительно, но логически противоречивы при разборе. Когда каждый агент специализирован, цепь решений становится проще для отладки — видно, на каком этапе появилась ошибка. Это не новый принцип (мультиагентные системы изучают лет двадцать), но LLM-версия открывает возможность это реально собрать и запустить за несколько часов, а не месяцев инженерной работы.
Вопрос не в самой идее кооперации, а в том, работает ли это в практике лучше, чем альтернативы. AI, которая анализирует рынок, по-прежнему может ошибаться в прогнозе. AI, которая управляет рисками, зависит от того, какие параметры ей задали. И главное — все эти агенты могут синхронизировать ошибку, если исходные данные неправильные или рыночный режим резко изменился. Опубликованной статистики по такой системе нет, поэтому вирусность основана скорее на методологической новизне, чем на доказанной результативности.
Для российского бизнеса такой подход может быть полезен в более скромных масштабах: например, система мониторинга движений по счетам в реальном времени, где один агент следит за входящим потоком, другой проверяет по правилам compliance, третий логирует и уведомляет. Или автоматизация фреймворка аналитики при работе с большими объёмами данных, где разделение функций (парсинг, валидация, агрегация, вывод рекомендаций) по разным компонентам проще поддерживать и отлаживать, чем один чёрный ящик. Инструменты типа n8n или Make позволяют собирать такие конвейеры без кода; для более сложной логики нужна своя разработка.
Сообщество активно тестирует границы того, что можно делегировать AI в финансовом контексте. Это здоровый интерес, но без реальных результатов (доходность, просадки, количество убыточных дней) мы видим скорее proof-of-concept, чем готовый инструмент.
Алексей Мартыненко
Главный редактор SPV News
Идея разделения ответственности между агентами выглядит логичнее, чем просить один бот быть универсалом. Но вирусность этого поста скорее про красивый нарратив («меньше угадывания, больше автоматизма»), чем про доказанный результат. В реальности каждый дополнительный агент добавляет точку отказа и требует синхронизации. Если система не публикует свою статистику, стоит относиться к ней как к интересному экспериментальному подходу, а не готовому решению.