33 AI‑агента на едином Docker‑образе: как построить масштабируемую архитектуру
Автор собрал 33 разных ИИ‑агента — от шахматного тренера до корпоративных ботов — используя один код и Docker‑образ. В статье показаны детали пяти примеров и принципы разделения кода и модели.
В статье на Habr AI автор делится опытом создания 33 ИИ‑агентов на единой платформе. Все они работают из одного Docker‑образа и одной кодовой базы, без форков ядра. Различие между агентами сведено к единственному параметру – границе, где заканчивается логика кода и начинается генерация модели.
Пять разобранных примеров включают:
- Шахматный тренер для ребёнка, который подбирает задачи по уровню ученика;
- Помощник по учёбе, генерирующий конспекты и проверяющий домашние задания;
- Ассистент для жены, отвечающий за планирование покупок и семейный бюджет;
- Тьюторы образовательных программ, адаптирующие материалы под разные группы студентов;
- Корпоративные боты для металлургического холдинга и энергетической компании, автоматизирующие запросы в CRM и отделе продаж.
Ключевая идея – единственная точка входа: в Docker‑контейнере запускается ядро, а каждый агент получает собственный «промпт‑контекст», определяющий, какие задачи передаёт модель, а какие обрабатывает код. Такой подход позволяет быстро масштабировать количество агентов, поддерживать их в актуальном состоянии и экономить ресурсы разработки.
Автор предоставляет ссылки на репозиторий с Docker‑образом и примеры конфигураций. Подробнее читайте на Habr AI.
Для разработчиков это демонстрация, что масштабировать ИИ‑решения можно без множества отдельных репозиториев – достаточно единой инфраструктуры и гибкой настройки промптов. Студенты могут взять эту схему за основу при построении учебных проектов, а бизнес‑команды – за основу для быстрого прототипирования новых ботов без риска фрагментации кода.
