Глосарій AI & Вайбкодингу
Фундаментальний довідник нової ери розробки від Andriy Orlov: автономні агенти, loop engineering, протокол MCP, розширення контексту, інфраструктура VPS та профілактика вигорання в еру AI.
A
ENAgent Evals & SWE-bench Benchmarking
Методологія та інфраструктура систематичного вимірювання надійності, точності та безпеки ШІ-агентів за допомогою синтетичних тестів, SWE-bench та headless репозиторних симуляцій.
Agent Handoffs & State Transfer
Стандартизований патерн безпечного переходу задачі та контексту від одного спеціалізованого ШІ-агента до іншого без втрати цілей, історії та накопичених артефактів.
Agent Identity & DID (Decentralized Identifiers)
Криптографічні стандарти (DIDs, Verifiable Credentials, mTLS), що забезпечують автономним ШІ-агентам юридично та технічно визнану ідентичність, право підпису та аудит дій.
Agent Memory (Пам'ять агента)
Комплексна підсистема зберігання, фільтрації та вибірки даних, яка перетворює stateless-виклик LLM на stateful-систему: від короткотривалого scratchpad-буфера до мультисесійного сховища знань.
Agent Observability & Tracing (OpenTelemetry)
Методи збору метрик, трасування ланцюжків міркувань (Spans), аналізу затримок інструментів та моніторингу витрат токенів за допомогою OpenTelemetry та спеціалізованих платформ (Langfuse, Arize).
Agent Sandboxing
Апаратна та програмна ізоляція середовища виконання автономного агента, що гарантує захист хост-системи, секретів і внутрішньої мережі від шкідливого коду та prompt injection.
Agent Swarms & Consensus Voting
Децентралізована координація великої кількості однорідних або гетерогенних ШІ-агентів, де остаточні рішення формуються через мажоритарне голосування, дебати або алгоритми консенсусу.
Agent-to-Agent Protocol (A2A)
Відкритий стандарт мережевої взаємодії, децентралізованого виявлення та безпечного обміну контекстом між незалежними ШІ-агентами різних вендорів і платформ.
AI-агенти (Автономні агенти)
Автономна система на базі великої мовної моделі, яка не просто відповідає на повідомлення, а самостійно планує послідовність дій, використовує зовнішні інструменти (браузер, термінал, бази даних) та виконує комплексні завдання без постійного нагляду людини.
AI-агенти (Autonomous Agents)
Програмні системи на базі LLM, здатні самостійно сприймати стан середовища, декомпозувати складні цілі, викликати зовнішні інструменти та ітеративно виправляти власні помилки.
Autonomous Browser & Computer Use
Технологія мультимодального керування графічним інтерфейсом користувача (GUI) через візуальне сприйняття скріншотів, емуляцію курсору, кліків та клавіатури без використання API.
C
ENCrewAI
Один із найпопулярніших Python-фреймворків для створення автономних команд агентів, заснований на рольовому розподілі обов'язків, інструментів і делегуванні завдань.
Custom GPTs (Персональні чат-боти в ChatGPT)
Функція ChatGPT для створення персоналізованих міні-асистентів під конкретні задачі. Дозволяє завантажувати власні файли, задавати постійні інструкції, підключати генерацію картинок та зовнішні API без написання коду.
D
ENG
ENH
ENI
ENIndirect Prompt Injection Defense
Комплекс архітектурних та програмних методів захисту автономних ШІ-агентів від прихованих інструкцій атакуючого, розміщених у сторонніх веб-сторінках, документах або API.
Interrupt-Driven HITL & Breakpoints
Патерн проектування агентських систем із можливістю паузи, ін'єкції людських правок та безпечного відновлення стану (Resume) перед виконанням критичних дій.
L
ENM
ENMCP (Model Context Protocol)
Відкритий стандарт від Anthropic на базі JSON-RPC 2.0 для уніфікованого двостороннього підключення AI-асистентів до зовнішніх інструментів, баз даних і системного оточення.
MCP Client
Програмне середовище (Claude Code, Cursor, Cline, SDK-агенти), що керує життєвим циклом підключення до MCP-серверів, агрегує маніфести інструментів та контролює права доступу моделі.
MCP Server
Програмний сервіс або фоновий процес, що реалізує специфікацію MCP і надає зовнішнім AI-клієнтам стандартизований доступ до виконання функцій, читання ресурсів і шаблонів промптів.
Microsoft AutoGen
Провідний відкритий фреймворк від Microsoft для створення мультиагентних розмовних систем. Дозволяє об'єднувати декількох AI-агентів із різними ролями та навичками у груповий чат (GroupChat), де вони дискутують, пишуть код, тестують його та спільно досягають бізнес-цілей.
Monte Carlo Tree Search for Agents (MCTS)
Алгоритмічний підхід до планування дій ШІ-агентів, що поєднує евристичний пошук, оцінку проміжних станів та бектрекінг для знаходження оптимальних рішень у просторі високої складності.
Multi-Agent Orchestration
Архітектура взаємодії незалежних спеціалізованих ШІ-агентів, об'єднаних у розподілену мережу або ієрархію для паралельного вирішення комплексних інженерних задач.
P
ENPlan-and-Solve Prompting
Двоетапна агентська архітектура, що розділяє стратегічну декомпозицію задачі на глобальний план від його послідовного тактичного виконання з динамічним репланінгом.
Process Reward Models (PRM)
ШІ-моделі оцінювання, що аналізують правильність кожного окремого логічного кроку або виклику інструменту агента, запобігаючи накопиченню помилок до отримання фінального результату.
PydanticAI
Сучасний Python-фреймворк від творців Pydantic, що привносить строгу типізацію, ін'єкцію залежностей (Dependency Injection) та детерміновану валідацію схем у світ AI-агентів.
R
ENReAct Pattern (Reasoning + Acting)
Фундаментальний алгоритмічний патерн автономних агентів, що чергує кроки внутрішніх міркувань (Thought), виконання зовнішніх інструментів (Action) та аналізу отриманого результату (Observation).
Reflection Pattern (Рефлексія)
Архітектурний патерн підвищення надійності агентів, що розділяє процес на генерацію рішення (Generator), його критичний аудит (Critic) та ітеративне доопрацювання (Refiner).
RLVR (Reinforcement Learning with Verifiable Rewards)
Метод пост-тренінгу та оптимізації міркувань ШІ-агентів, де функція винагороди базується на об'єктивних математичних перевірках, компіляторах та юніт-тестах замість суб'єктивних людських оцінок.
S
ENSelf-Correction Loop
Механізм автономного виправлення коду моделлю через отримання детермінованого зворотного зв'язку від компіляторів, лінтерів або тестів (Grounded Feedback Loop).
Self-Healing Code & Runtime Loops
Автономний інженерний цикл, у якому ШІ-агент модифікує код, аналізує зворотний зв'язок компілятора та рантайм-логи й ітеративно усуває власні помилки до досягнення 100% працездатності.
Subagents (Субагенти та делегування)
Архітектурний патерн запуску одноразових ізольованих дочірніх агентів для паралельного виконання ресурсомістких підзадач без засмічення контекстного вікна батьківського процесу.
Supervisor Pattern (Hierarchical Multi-Agent)
Архітектурний шаблон організації ШІ-агентів, де центральний агент-супервайзер керує життєвим циклом, декомпозицією завдань та делегуванням пулу спеціалізованих воркерів.
Synthetic Personas & Multi-Role Simulation
Методика моделювання різнорідних ролей користувачів, безпекових аудиторів та експертів з доступності за допомогою спеціалізованих системних промптів для всебічного стрес-тестування додатків.
T
ENW
ENБ
UAБенчмарки для агентів: GAIA та SWE-bench
Нове покоління суворих практичних бенчмарків для оцінки автономності штучного інтелекту. GAIA тестує мультимодальні завдання у відкритому вебі з файлами та браузером, а SWE-bench перевіряє здатність агентів знаходити та виправляти справжні баги у великих репозиторіях GitHub.
Браузерні автономні агенти (Browser Use / Web Agents)
Технологія автономного керування веб-браузером (Browser Use, Playwright AI, Puppeteer). Агент самостійно відкриває сайти, взаємодіє з елементами DOM-дерева, прокручує сторінки, витягує динамічні дані та виконує багатокрокові завдання без офіційних API.
В
UAД
UAДелегування під-агентам (Subagent Architecture)
Ієрархічний архітектурний патерн побудови складних AI-систем. Замість спроби вирішити все однією універсальною мовною моделлю, створюється головний агент-оркестратор (Router/Manager), який розбиває завдання та делегує його вузькоспеціалізованим під-агентам (Дослідник, Кодер, Критик).
Динамічний вибір інструментів (Dynamic Tool Selection)
Архітектурний підхід до побудови масштабних AI-агентів, що володіють сотнями інструментів (Tools). Замість завантаження всіх описів функцій у контекст одночасно, система використовує семантичний пошук або модель-маршрутизатор (Router) для динамічного вибору лише 3–5 найбільш доречних інструментів під конкретний запит користувача.
З
UAК
UAКерування комп'ютером через ШІ (Computer Use)
Технологія компанії Anthropic (представлена в моделях Claude 3.5 Sonnet), що дозволяє нейромережі керувати операційною системою як звичайна людина: робити скріншоти екрана, аналізувати координати вікон, рухати курсор миші, клікати по кнопках та вводити текст без використання спеціальних API.
Кнопка підтвердження людиною (Human-in-the-Loop / HITL)
Архітектурний патерн безпеки автономних агентів (Human-in-the-Loop), що встановлює контрольні точки (Approval Gates) перед виконанням критичних дій. Агент готує операцію (платіж, видалення бази, відправка листа клієнту), але призупиняє роботу до явного схвалення живою людиною.
Короткострокова та довгострокова пам'ять агентів
Архітектура багаторівневої пам'яті автономних агентів. Розділення на короткострокову пам'ять (Short-Term Memory — активне контекстне вікно поточного сеансу) та довгострокову пам'ять (Long-Term Memory — векторні бази даних, файли профілю користувача та епізодичні щоденники).
П
UAС
UAФ
UAЦ
UAЧ
UAПовний стек інструментів, рейтингів та AI-скілів
Окрім глосарію, на GOTBURNOUT доступні бенчмарки нейромереж, каталог із понад 100,000 AI Agent Skills, готові перевірені VPS-скрипти та закрита Pro-спільнота розробників.