Кальтер / Блог

Как превратить редакционный бриф в проверяемую задачу для ИИ-агента

Получить из редакционного брифа готовое задание агенту с границами исследования, входными файлами, требуемыми артефактами и критериями приёмки.

Материал подготовлен с помощью ИИ; источники и учебные примеры проверены редакцией ZASLON 10 ноября 2026 года.

Редакционная схема: Задача для агента. Учебные обозначения, не скриншот сервиса или реальной операции.
Редакционная схема: Задача для агента. Учебные обозначения, не скриншот сервиса или реальной операции.

Редакторский бриф отвечает, зачем нужна статья. Агенту для работы нужны ещё границы действий, формат результата и условия остановки. Если превратить бриф в короткий task packet, другой исполнитель сможет повторить задачу и понять, какие выводы запрещены.

Пример: бриф про USDC и USDT

Учебная цель — объяснить новичку разницу между двумя стейблкоинами. Это не утверждение, что один безопаснее другого и не оценка резервов. Сначала выдели из брифа задачи и проверяемые claims, а затем задай схему ответа.

Первый вариант packet ниже намеренно содержит пустую аудиторию и оценочный claim «USDC надёжнее USDT» без критерия и источника. Проверка должна выявить эти пробелы, а не объявить задачу готовой из-за того, что JSON разбирается.

import json

packet_json = r'''{"task_id":"stablecoin-basics-01","goal":"Сравнить подтверждённые механизмы выпуска USDC и USDT","audience":"","allowed_sources":["официальная документация эмитента USDC","официальная документация эмитента USDT"],"claims":[{"id":"C1","text":"Кто выпускает каждый токен","source":"issuer pages"},{"id":"C2","text":"USDC надёжнее USDT","source":null,"criterion":null}],"output_schema":["claim_id","text","source_url","checked_at","qualification"],"stop_if":["источники конфликтуют","не найден актуальный первоисточник"],"acceptance":["числа имеют URL и дату","сети не смешаны","нет обещания цены"]}'''
task = json.loads(packet_json)  # Для файла замени строку на: task = json.load(open("task.json", encoding="utf-8"))
required = {"task_id", "goal", "audience", "allowed_sources", "claims", "output_schema", "stop_if", "acceptance"}
errors = [f"missing:{key}" for key in sorted(required - task.keys())]
if not task.get("audience", "").strip():
    errors.append("audience: уточнить читателя")
for claim in task.get("claims", []):
    evaluative = any(word in claim["text"].lower() for word in ("надёжнее", "надежнее", "лучше", "безопаснее", "риск"))
    if evaluative and (not claim.get("source") or not claim.get("criterion")):
        errors.append(f"{claim['id']}: оценочный claim без источника и критерия")
print("STOP: " + "; ".join(errors) if errors else "READY FOR RESEARCH")

Ожидаемый вывод: STOP: audience: уточнить читателя; C2: оценочный claim без источника и критерия. Это проверяет структуру и небольшой список оценочных слов; такой код не распознаёт все формулировки и не устанавливает истинность утверждения. После него редактор должен конкретизировать аудиторию, убрать оценку или задать критерий и найти источник, который его подтверждает. Сам факт, что ссылка ведёт на официальный домен, ничего не доказывает о конкретном claim.

Три проверки до передачи

Ввод Ожидаемый результат Ошибка, которая останавливает передачу
«USDC надёжнее USDT» без критерия Отметить оценочное утверждение; запросить критерий или убрать его Агент выдаёт сравнение как установленный факт
Нет источников по лимиту выкупа blocked-evidence; запросить актуальный первоисточник Агент придумывает число или берёт его из старой статьи
Аудитория не указана Вернуть вопрос редактору: новичок, разработчик или казначейство? Агент сам выбирает аудиторию и пишет окончательный текст

Передай агенту один JSON packet, список одобренных файлов и критерий результата. Успех — другой редактор понимает цель, ограничения и условие стопа без устных пояснений. OpenAI описывает вызов инструмента как цикл между запросом модели и кодом приложения: приложение само принимает решение, запускать ли функцию и возвращать ли результат (Function calling). Для оценки повторяемости сначала задай набор входов и ожидаемых результатов, затем анализируй ошибки и уточняй задачу (Evaluation best practices).

Этот packet задаёт контракт одной редакционной задачи. Он не проверяет истинность claims автоматически, не разрешает публикацию и не заменяет предметного редактора. Для инструментальных workflow смотри MK Ultra; здесь разобран только editorial handoff.