Соберите ИИ-агентов, которые делают работу.

Один агент по расписанию собирает цены, объявления и вакансии с нескольких сервисов, приводит хаос к одной таблице и пишет вам только тогда, когда что-то реально изменилось.

Источник описывается один раз: адрес, способ пагинации и нужные поля. Агент забирает страницу, модель вытаскивает поля по фиксированной схеме, записи дедуплицируются по стабильному ключу, снапшот сохраняется, а изменения относительно прошлого запуска пишутся в отдельную таблицу.

Build a scraping and monitoring agent.

Data: table "sources" (name, url, pagination_pattern, selector_hint, fields jsonb, interval_minutes, active). Table "runs" (source_id, status, items_found, error, started_at, finished_at). Table "items" (source_id, raw_key unique per source, title, price numeric, currency, url, published_at, payload jsonb, first_seen_at, last_seen_at). Table "item_changes" (item_id, field, old_value, new_value, created_at).

Server: an edge function that takes a source id, fetches the page with a normal user agent, strips scripts, styles and navigation, trims the text to the listing area, then asks the model to extract rows into a strict JSON schema with temperature zero and null for missing values. Upsert rows into items on raw_key and insert item_changes whenever a tracked field differs. Log every attempt into runs, retry twice with backoff on network errors and respect a per source rate limit. Follow pagination up to a configurable page limit.

Automation: a scheduled job that picks active sources whose interval has elapsed, runs them one by one, then sends a digest email or webhook containing only item_changes created since the previous digest.

UI: sources page with add and edit form, health badge from the last run, run history with error text, items table with search and filters, a change feed and a CSV export button.

Rules: only public pages, honour robots.txt, keep all keys and model calls on the server, enable row level security so each user sees only their own sources and items.

Первый агент, который нужен почти любой команде: читает вашу базу знаний и отвечает клиентам в три часа ночи, не выдумывая правил.

Загружаете документы, режете их на фрагменты, храните эмбеддинги и отвечаете только найденными кусками со ссылкой на источник. Если совпадений нет, агент передаёт диалог человеку, а не гадает.

Build a documentation support agent.

Data: a table "documents" (title, url, content) and a table "chunks" (document_id, content, embedding vector). A table "escalations" (question, email, created_at, status).

Server: one edge function that embeds the user question, retrieves the six closest chunks, and streams an answer that uses only those chunks. Every answer must end with the source links it used. If similarity is below the threshold, return a short "I do not have this in the docs" answer and insert a row into escalations.

UI: a chat page with streaming responses, message history in the browser, source links rendered as chips under each answer, and an escalation form that appears when the agent cannot answer.

Enable row level security on all tables, keep model calls on the server, and show a clear error state when the request fails.

Замените форму обратной связи, которую никто не заполняет, агентом: он задаёт четыре вопроса и сам ставит встречу.

Агент проводит короткое структурированное интервью, оценивает лида по вашим критериям, пишет результат в базу и отправляет сводку продажам.

Build a lead qualification agent widget.

Behaviour: the agent asks at most five questions, one at a time, to learn company size, budget range, timeline and the problem being solved. It never asks two questions in one message and never asks for data it already has.

After the interview, produce a structured result with fields: score, tier, summary, next_step. Keep the schema flat and unconstrained, state the ranges in the prompt text, and clamp values in code.

Storage: insert into a "leads" table with contact details, transcript, score, tier and created_at. Send a notification email with the summary.

UI: a floating chat bubble on the landing page, mobile friendly, with a typing indicator and a final card showing the booked next step.

Многошаговый агент, который ищет, читает, сравнивает и выдаёт бриф с источниками вместо уверенного абзаца.

Опишите три инструмента: поиск, загрузка страницы, сохранение находки. Дайте агенту крутить цикл, пока не наберётся доказательств, и покажите таймлайн вызовов в интерфейсе, чтобы каждый шаг можно было проверить.

Build a research agent with tool calling.

Tools: web_search(query), fetch_page(url), save_finding(claim, source_url, confidence). Give each tool a narrow input schema and a short description.

Loop: allow at least fifty steps, stop when the agent has five saved findings or decides the question is answered. Never let the agent answer without at least two independent sources.

Output: a brief with a one paragraph answer, a bullet list of findings, and a sources section. Save the brief to a "reports" table.

UI: stream the answer, render every tool call as a timeline row with its input and a compact result, and add a copy button plus markdown export.

Вставляете одну статью и получаете письмо для рассылки, тред, сценарий карусели и хук для видео в вашем стиле.

Храните профиль голоса с правилами и запрещёнными фразами и генерируйте каждый формат отдельным вызовом, чтобы тексты не сливались в кашу.

Build a content repurposing agent.

Input: a long article plus a saved voice profile (tone rules, favourite words, banned phrases, audience).

Generate four outputs in separate calls so each one is focused: a newsletter intro, a social thread of six posts, a carousel script of seven slides, and three video hooks.

Rules for every output: no em dashes, no emoji, no filler phrases like "in today's fast paced world", short sentences, concrete nouns.

UI: one input panel on the left, four result cards on the right, each editable inline with a copy button and a regenerate button that only regenerates that card.

Каждый основатель тонет в одних и тех же сорока письмах. Агент сортирует их, пишет ответы и спрашивает разрешение перед отправкой.

Классифицируйте письма по небольшому набору намерений, добавляйте предложенное действие и требуйте явного подтверждения для всего, что уходит наружу.

Build an inbox triage agent.

For each incoming message, classify it as one of: sales, support, partnership, invoice, noise. Add urgency low, medium or high, and a one sentence reason.

Draft a reply for every message that is not noise, using saved templates as the base and matching the sender's language.

Any action that sends an email or changes external state must require approval in the UI first. Show the draft, the intent and the reason on an approval card with approve, edit and discard.

UI: a triage queue grouped by intent, keyboard shortcuts for approve and skip, and a daily digest view of what was handled.

Клиники, салоны и мастерские до сих пор теряют половину звонков. Голосовой агент отвечает с первого гудка и пишет запись прямо в календарь.

Речь в текст на входе, короткий сценарный диалог в середине, текст в речь на выходе и подтверждение, которое клиент может перепроверить.

Build a voice booking agent.

Flow: transcribe the caller audio, run a slot filling dialogue that collects service, preferred day, preferred time and phone number, confirm the details out loud, then create the booking.

Never invent availability. Check the bookings table first and offer the two closest free slots when the requested time is taken.

Confirm by reading the booking back and sending a text summary. Store the full transcript with the booking for review.

UI: an operator dashboard with today's calls, transcripts, created bookings and a flagged list of calls the agent could not finish.

Основной отток случается в первые десять минут. Агент, который видит, где застрял пользователь, поднимает активацию лучше любого тура по подсказкам.

Передавайте агенту пройденные шаги и текущий экран, пусть он подсказывает одно следующее действие и умеет выполнить его сам через инструмент.

Build an in-app onboarding copilot.

Context: pass the current route, the list of completed setup steps and the last three user events into the system prompt on every call.

Behaviour: always propose exactly one next action, explain in one sentence why it matters, and offer to do it. Never list five options.

Tools: create_project, invite_teammate, connect_data_source. Mark every tool as needing approval, and show the approval card inline in the chat.

UI: a slide-over panel available from every page, a progress checklist at the top, and an admin view showing where users get stuck most often.

Задаёте вопрос обычными словами и получаете график вместе с запросом, который его построил. Именно открытый запрос и вызывает доверие.

Дайте агенту схему, ограничьте его вьюхами только на чтение, пусть пишет запрос, выполняйте на сервере и рисуйте результат графиком с видимым SQL под ним.

Build a data analyst agent over a read-only schema.

Safety: expose only read-only views, reject anything that is not a select, cap rows returned, and run every query server side with a timeout.

Behaviour: the agent writes the query, explains in one sentence what it measures, then picks the chart type that fits the shape of the result.

UI: a question box with example questions, a chart, a collapsible SQL block, and a saved questions list that can be rerun with one click.

Handle empty results and query errors explicitly with a plain language message and a suggested fix.

Это не очередной генератор статей. Агент читает текущую выдачу, находит пропущенное конкурентами и собирает бриф на страницу, которая заслуживает клик.

Соберите топ выдачи, вытащите заголовки, сгруппируйте общие подтемы и выдайте структуру с непокрытыми углами и целями для внутренних ссылок.

Build an SEO brief agent.

Input: a target keyword and the site the page will live on.

Steps: search the keyword, fetch the top eight results, extract their headings and word counts, cluster the shared subtopics, and list the questions none of them answer well.

Output a brief with: search intent in one line, target title and description, an H2 outline, entities to mention, three internal link targets from the given site, and the differentiating angle.

UI: a single input, a progress list of the steps as they run, and the finished brief in a copyable panel with markdown export.

Фильтры прогоняют покупателей. Короткий разговор о том, что человеку реально нужно, приводит его на карточку товара готовым купить.

Агент спрашивает о задаче и ограничениях, обращается к живому каталогу и возвращает три варианта с понятным разбором компромиссов.

Build a shopping assistant agent for an online store.

Tools: search_products(query, filters), get_product(id), check_stock(id).

Behaviour: ask at most three questions about use case, budget and any dealbreaker, then recommend exactly three products. For each one, give the reason it fits and the honest downside. Never recommend an out of stock item.

UI: chat with product cards inline, each card showing image, price, stock status and an add to cart button. Keep the conversation on the product page as a side panel.

Log every conversation with the products shown and whether the visitor added to cart, so the store can measure assisted revenue.

Двести откликов, честная оценочная карточка по каждому кандидату и запись, почему принято именно такое решение.

Разберите резюме, оцените по вашим критериям, задайте два уточняющих вопроса письмом и передайте короткий список человеку с обоснованием.

Build a recruiting screening agent.

Input: a job description with must have and nice to have criteria, plus uploaded resumes.

For each candidate produce: a score per criterion, an overall recommendation, the strongest evidence quoted from the resume, and the biggest open question.

Never infer age, gender, nationality or anything the criteria do not mention, and never reject a candidate automatically. The agent proposes, a human decides.

UI: a candidate table sorted by score with expandable scorecards, a compare view for the top five, and a one click email that asks the open question.

Загружаете выписку и получаете категории, тренды и одну неудобную фразу про подписку, о которой вы забыли.

Разберите файл, разложите транзакции по категориям, найдите повторяющиеся списания и дайте пользователю задавать вопросы по своим цифрам.

Build a personal spending agent.

Input: a CSV bank statement uploaded by the user.

Processing: normalise dates and amounts, categorise every transaction using rules first and the model only for the leftovers, and detect recurring charges by matching merchant and cadence.

Output: a summary with total by category, month over month change, the three largest changes explained in one sentence each, and a list of subscriptions with their yearly cost.

UI: upload area, a category chart, a transactions table with inline category editing that retrains the rules, and a chat box for follow up questions about the uploaded data only.

Keep all data private to the signed in user with row level security.

Одно окно чата, которое читает CRM, документы и биллинг, а потом делает скучную задачу, ради которой обычно открывают пять вкладок.

Model Context Protocol превратил доступ к инструментам в стандарт. Вместо отдельной интеграции под каждый сервис агент получает список типизированных инструментов и сам выбирает нужный. Вы держите реестр подключений, карту прав по ролям и журнал всех вызовов.

Build an internal tool-calling agent with a typed tool registry.

Data: connections (user_id, service, label, status), tools (name, description, args_schema, mode read or write), tool_calls (tool, args, result, duration_ms, cost), approvals (tool_call_id, status).

Server: one function that returns the tools allowed for the current user role, one function that executes a tool after validating arguments against args_schema, and one that records the call.

Agent loop: the model receives the allowed tool list, chooses at most one tool per turn, and must explain in one sentence why it chose it.

Safety: any tool marked write requires an approval card showing the exact arguments before it runs. Never execute a write tool without a recorded approval row.

UI: chat panel, a connections page with a test-run button, and a run timeline showing each tool call with duration and cost.

Protect every table with row level security so a user only ever sees their own connections and calls.

Самый популярный запрос года. Агент берёт список компаний, находит повод написать, формулирует письмо, которое не выглядит шаблоном, и ставит ответ вам в календарь.

Ценность не в объёме рассылки, а в этапе исследования. По каждой компании агент собирает несколько публичных сигналов, оценивает соответствие вашему профилю клиента, отбрасывает всё ниже порога и только потом пишет черновик. Каждый черновик ждёт клика человека перед отправкой.

Build an AI SDR agent focused on research quality, not send volume.

Data: accounts (name, domain, size, notes), signals (account_id, type, text, source_url, found_at), fit_scores (account_id, score, reason), drafts (account_id, subject, body, status), replies (draft_id, category, next_step).

Pipeline: import accounts from CSV, research each account and store at least one signal with a source URL, score fit from 0 to 100 against a stored ideal customer profile, and draft only for accounts above the threshold.

Writing rule: every draft must quote exactly one stored signal and stay under 90 words. If no signal exists, skip the account and say why.

Human control: drafts land in an approval queue with inline editing. Nothing sends without an approved row and a per-day send cap.

Replies: classify each reply as interested, not now, or not a fit, and surface interested ones with a suggested meeting time.

UI: pipeline board, an account page showing signals with source links, and a draft queue with approve, edit and skip.

Двенадцать хрупких сценариев, три сервиса и никто не помнит, какой из них отправляет счёт. Соберите всё в одно приложение, где каждый запуск виден, а у каждой ошибки есть имя.

Детерминированные шаги остаются детерминированными. Модель включается только там, где нужно суждение: классифицировать, выбрать получателя, решить, можно ли подождать. Всё остальное это обычный код по расписанию, поэтому решение выходит дешёвым и предсказуемо скучным.

Build a workflow runner app where an AI step is used only for judgement.

Data: workflows (name, schedule, active), steps (workflow_id, position, kind rule or model, config), runs (workflow_id, started_at, status), run_steps (run_id, step_id, input, output, duration_ms, error), dead_letters (run_id, payload, reason).

Execution: run steps in order, store input and output of every step, retry a failed step three times with growing delay, then write it to dead_letters and stop the run.

Model steps: must return exactly one value from a fixed list defined in the step config, with a one sentence reason stored alongside.

UI: workflow list with last run status, a run timeline showing each step with duration and output, a manual run button, and a dead letter screen with a retry action.

Keep secrets in server functions only and protect every table with row level security.

Клиника, салон или сервис пропускают треть звонков. Каждый пропущенный это платящий клиент, который просто набрал следующий номер из списка.

Агент берёт трубку, отвечает на пять вопросов, которые задают все, смотрит календарь, записывает или принимает сообщение и отправляет владельцу сводку. Главный приём это запасной путь: если звонящий раздражён или спрашивает что-то вне сценария, агент предлагает человека и замолкает.

Build an AI receptionist for a local business.

Data: business_profile (hours, services, prices, address, five FAQ pairs), calls (started_at, caller, outcome), transcripts (call_id, role, text, confidence), bookings (service, slot, caller, status hold or confirmed), messages (call_id, text, callback_number).

Behaviour: greet, identify the request, answer only from business_profile, check available slots, place a hold, confirm, then release or confirm the hold.

Limits: answers stay under two sentences. If the model cannot answer from business_profile, or the caller sounds frustrated, offer a callback and store the number instead of guessing.

After the call: generate a summary with outcome, next step and a link to the transcript, and send it to the owner.

UI: a text chat to test the same logic without voice, a call log with transcripts, a bookings calendar, and an editable business profile page.

Самый быстрый в сборке агент и самый выигрышный в демонстрации. Вставляете одну мысль и получаете семь зацепок, семь сценариев и подписи, всё вашим голосом.

Продукт это голос автора. Агент хранит десять примеров того, как вы реально пишете, один раз вытаскивает из них закономерности и применяет к каждому сценарию. Без этого шага получается та же дежурная зацепка, что и у всех.

Build a short video script agent that writes in the user's own voice.

Setup: the user pastes ten samples of their own writing. Extract a voice profile once with tone, sentence length, favourite structures and banned words, and store it.

Input: one idea in a sentence.

Output: seven hooks scored for curiosity and clarity, the best three expanded into 40 second scripts using hook, tension, payoff and call to action, plus a caption and five tags for each.

Rules: no generic openers, no words from the banned list, and every script must be readable out loud in under 45 seconds.

UI: idea input, a scored hook list, a script editor, and a weekly calendar where scripts can be dragged between days.

На входе бриф, на выходе готовый ролик: сценарий, раскадровка, озвучка, субтитры и три версии под разные площадки. Недооценивают обычно не рендер, а список кадров.

Агент работает этапами, а не одним огромным промптом. Сначала он формулирует оффер и обещание, потом собирает список кадров по сценам с длительностью каждого, затем пишет закадровый текст под эти длительности и только после этого склеивает клипы и вшивает субтитры. Каждый этап сохраняется, поэтому переписать одну сцену можно без пересборки всего ролика.

Build an ad video agent that turns a product brief into a finished commercial.

Data: briefs (product, buyer, pain, promise, proof), scripts (brief_id, angle, status), shots (script_id, index, seconds, visual, voice_over, on_screen_text, clip_url), renders (script_id, aspect, url, status).

Flow, one stage at a time and each stage saved before the next:
1. From the brief, propose three angles with a one line promise each. Wait for the user to pick one.
2. Build a shot list as rows with index, seconds, visual, on screen text. Total duration must equal the chosen placement length of 15, 30 or 60 seconds.
3. Write the voice over per shot, sized to that shot's seconds at about 2.5 words per second.
4. Attach a clip to each shot, then queue renders for 9:16, 1:1 and 16:9 with burned in word level subtitles.

Rules: one promise per ad, the hook lands in the first two seconds, no claim that is not backed by the proof field, and never exceed the placement length.

UI: brief form, angle picker, an editable shot table where changing seconds re-times only that shot's voice over, a render queue with status, and a version list to compare cuts side by side.

Платная реклама проваливается не на монтаже, а на первых двух секундах. Агент делает двадцать зацепок на продукт, оставляет те, что прошли оценку, и превращает их в готовые к съёмке брифы для авторов.

На выходе не сценарий, а съёмочный набор: строка-зацепка, что автор держит и делает в каждом бите, реплика вслух, подпись и кадр для превью. У каждого варианта есть трекинговое имя, поэтому результаты рекламы можно вернуть обратно, и агент видит, какое семейство зацепок выигрывает.

Build a UGC ad script agent that produces shot ready creator briefs and learns from results.

Data: products (name, promise, proof, audience), hooks (product_id, family, line, curiosity_score, clarity_score, claim_risk), variants (hook_id, beats json, caption, tags, tracking_name), results (tracking_name, spend, views, clicks, conversions).

Hook families: problem, contrast, mistake, result, demo, story. Generate three hooks per family, score each from one to five on curiosity and clarity, flag any claim not supported by the proof field, keep the top eight and discard the rest.

For each surviving hook produce four beats of five seconds: hook, problem, demo, call to action. Every beat states what is in frame, what the creator does with their hands, and the exact line spoken. Add a caption, three tags and a tracking name of the form product-family-number.

Results loop: accept a CSV of results by tracking name, compute cost per click per hook family, and weight the next generation toward the winning families.

UI: product form, a scored hook table, a beat editor, a print view of the creator brief, and a results dashboard by hook family.

Записываете сумбурный пятиминутный обход интерфейса и получаете 60-секундное демо с готовой закадровой озвучкой, приближением на каждом важном клике и аккуратными субтитрами. Демо убивают паузы, и именно их агент вырезает.

Расшифровка это только вход. Агент сопоставляет текст с моментами записи, выбрасывает паузы и повторные попытки, переписывает сбивчивую речь в короткую озвучку через выгоды, а затем ставит метки приближения и подсветки на те моменты, где был клик. Пользователь правит таймлайн сегментов, а не видеофайл.

Build a product demo video agent that turns a raw screen recording into a short polished demo.

Data: recordings (file_url, duration, target_length), words (recording_id, text, start, end), segments (recording_id, start, end, task, narration, importance), markers (segment_id, timestamp, type zoom or highlight, region), exports (recording_id, aspect, url, status).

Pipeline: transcribe with word level timestamps, remove silences longer than 0.6 seconds and repeated sentence starts, group the rest into segments where one segment equals one task the product performs, rewrite each segment into a single benefit sentence, score segments by importance and keep only enough to fit the target length.

Then place a zoom marker at every click timestamp and a highlight on the region that changed, render with word level subtitles and export 16:9 and 9:16 from the same edit.

Rules: narration describes the outcome, not the interface. Never say click here. Total length must not exceed the target. Keep every cut reversible by storing segments rather than rewriting the source file.

UI: upload page, a segment timeline where segments can be reordered, muted or restored, a narration editor with live duration, a marker overlay on the preview, and an export panel per aspect ratio.