🇷🇺 🤖 Нейросеть решает, а система исполняет: как избежать дублей в production Вот проблема: LLM предложила отправить уведомление, сеть упала, система переподключилась и отправила его дважды. Или хуже — платёж прошёл, но ответ потерялся, и никто не знает, что произошло. Стандартный retry после timeout здесь убийца. Нельзя просто повторить запрос, если модель уже выполнила действие во внешней системе. Решение: разделить reasoning и side effects. LLM генерирует план (отправить письмо, создать заказ, обновить базу). Отдельный слой проверяет: что уже выполнено? Что в процессе? Только потом исполняет или повторяет. На практике это выглядит так. Модель возвращает структурированное решение — не просто текст, а JSON с действиями. Система логирует каждый шаг перед исполнением. При разрыве соединения проверяет статус в целевой системе (API платежа, сервис рассылки, БД) и либо докупляет, либо откатывает, либо зовёт человека. 💡 Для цифровизации городов это критично. Когда ИИ управляет светофорами, парковками или экстренными службами — сбой в коммуникации может парализовать город. Разделение решения и исполнения превращает нейросеть из чёрного ящика в надёжный инструмент, который отчитывается о каждом шаге. То же касается СМЭВ и госуслуг: если ИИ заполняет заявление, оно должно либо дойти до ведомства целиком, либо откатиться, но не зависнуть в полусостоянии. 🔗 Источник: Habr #ИИ #production #нейросети This message was sent automatically with n8n