# Том 5. Искусственный интеллект / AI-агенты / Мультиагентная система

## 5.1. Общий принцип

AI — это не один чат-бот, а **команда специализированных агентов-казахстанских дипломатов**, каждый из которых отвечает за свой цикл, говорит на kaz/ru/eng, указывает источники и уровень уверенности, даёт два варианта, не заменяет эксперта.

## 5.2. Архитектура AI-контура

```
┌─────────────────────────────────────────────────────────────┐
│  Взаимодействие: голос, чат, 3D-клик, планшет               │
├─────────────────────────────────────────────────────────────┤
│  AI-Orchestrator: определяет intent, выбирает агента,       │
│  собирает контекст, управляет диалогом, контролирует policy  │
├─────────────────────────────────────────────────────────────┤
│  Agent Pool: Дәулет, Серік, Нұрлан, Айым, Жалғас,           │
│  Айгерім, Зарина, Батыр                                     │
├─────────────────────────────────────────────────────────────┤
│  RAG: vector DB + knowledge graph + document store          │
│  Tools: SQL, Cypher, time-series API, scenario engine,      │
│         financial model, report generator                   │
├─────────────────────────────────────────────────────────────┤
│  LLM Layer: GPT-4/Claude/LLaMA-3 (on-prem)                  │
│  Guardrails: hallucination, policy, PII, bias, source check  │
├─────────────────────────────────────────────────────────────┤
│  MLOps: retraining, monitoring, A/B, feedback loop          │
└─────────────────────────────────────────────────────────────┘
```

## 5.3. AI-агенты: персоны и функции

| Агент | Образ | Цикл/терминология | Ключевые задачи | Что говорит пользователю |
|-------|-------|-------------------|-----------------|--------------------------|
| **Дәулет** | Казахстанский дипломат, 45 лет, тёмно-синий камзол с золотым орнаментом, тақия | Общая навигация, приветствие, стратегия | Встречает, переключает сцены, вызывает агентов, формирует итоговый отчёт | «Добро пожаловать в интеллектуальную промышленную систему Казахстана.» |
| **Серік** | Промышленный инженер, серый шапан, каска с орнаментом | Оборудование, датчики, ТОиР, отказы | Диагностика, две опции, прогноз отказа, влияние на цепочку | «Насос НПС-2 показывает повышенную вибрацию. Вот два варианта…» |
| **Нұрлан** | Геолог, коричневый камзол, образцы пород | Месторождения, пласты, запасы, доразведка | Объясняет пласты, запасы, обводнённость, модель истощения | «Пласт Ж-12 — продуктивный горизонт Южно-Каспийской впадины…» |
| **Айым** | Финансовый экономист, строгий костюм с вышивкой безекею | Цифровой тенге, налоги, соцпакет, бюджет, инвесторы | Распределяет стоимость цифрового актива | «Из этой тонны нефти — налоги, пенсии, дороги и дивиденды…» |
| **Жалғас** | Инвестиционный советник, синий костюм, папка с меморандумом | Investor journey, NPV/IRR, рынки, data room | Профиль актива, варианты входа, риски | «Вот инвестиционный профиль пилотного кластера на 2035 год.» |
| **Айгерім** | Эколог, зелёный камзол, значок «Таза Қазақстан» | Выбросы, вода, отходы, ESG | Анализ ESG, сравнение с нормами, сценарии снижения | «Удельный выброс CO₂ на этом участке — 12 кг/т, ниже среднего.» |
| **Зарина** | Логист, форменный костюм с шелковым шарфом | Трубопроводы, маршруты, порты, ЖД | Пропускная способность, узкие места, альтернативы | «Оптимальный маршрут — CPC, 13 суток до Новороссийска.» |
| **Батыр** | Кибербезопасник, чёрный камзол, шапан, нагрудный значок | Инциденты, аномалии, аудит | Проверяет целостность, объясняет угрозы | «OT-шлюзы в read-only, аномалий не обнаружено.» |

## 5.4. Требования к внешнему виду и поведению аватаров

- **Одежда:** национальные элементы, но строгий официальный стиль (камзол/шапан/безекею/тақия). Не костюмированный театр, не карнавал.
- **Анимации:** приветствие, указание рукой на 3D-объект, открытие ладонью для меню, задумчивый жест при анализе.
- **Голос:** TTS kaz/ru/eng; мужские голоса — низкие, спокойные; женские — уверенные, чёткие.
- **Язык:** терминология объясняется простыми словами; при желании — технический глоссарий.
- **Контекст:** аватар помнит, о каком объекте идёт речь, не повторяет общие фразы.

## 5.5. Формат ответа AI

Каждый ответ должен содержать:
1. **Вывод** — краткий, конкретный.
2. **Объяснение** — 1–3 предложения.
3. **Использованные данные** — источники, теги `fact`/`demo`/`forecast`.
4. **Временная актуальность** — дата/час данных.
5. **Уровень уверенности** — 0–1.
6. **Ограничения** — чего AI не знает.
7. **Рекомендуемое действие** — два варианта.

Пример ответа AI-Серіка:
> **Вывод:** вибрация насоса НПС-2 выросла до 4.2 мм/с (порог 4.0).  
> **Объяснение:** рост коррелирует с повышением тока (+8%) и температой подшипника (+6°C). В истории за последние 90 дней 3 похожих случая: 2 закончились заменой подшипника.  
> **Данные:** telemetry_NPS2_pump (demo, 2026-07-29 02:11 UTC).  
> **Уверенность:** 0.87.  
> **Ограничения:** нет данных о состоянии смазки; рекомендуется визуальный осмотр.  
> **Варианты:** 1) Снизить частоту на 10% и назначить осмотр через 24 ч. 2) Продолжить с усиленным мониторингом и заказать подшипник.

## 5.6. RAG и граф знаний

- **Vector DB (pgvector/Milvus):** документы, регламенты, P&ID, отчёты, лицензии.
- **Knowledge Graph (Neo4j):** объекты, связи, зависимости.
- **Retrieval:** гибридный — векторный поиск + графовое reasoning + SQL/TSDB.
- **Re-ranking:** cross-encoder для ранжирования источников.
- **Prompt:** system prompt с ролью + контекст + инструкция «не выдумывай, указывай confidence».

## 5.7. Контроль галлюцинаций и качества

- **Source grounding:** ответ не генерируется, если retrieved context не найден, кроме общих приветствий.
- **Confidence threshold:** если confidence < 0.7, AI говорит «У меня недостаточно данных» и предлагает уточнить.
- **Hallucination detector:** lightweight модель на выходе LLM проверяет факты по графу.
- **Human-in-the-loop:** финальные решения (ремонт, инвестиция, остановка) — только человек.
- **Audit:** каждый запрос/ответ логируется: prompt, context, model, output, confidence, user, timestamp.

## 5.8. Модели и MLOps

- **LLM:** GPT-4o/Claude 3.5 Sonnet для демо; опционально LLaMA-3-70B on-prem.
- **STT:** Whisper-large-v3.
- **TTS:** Azure TTS / Yandex SpeechKit / Piper с kaz/ru/eng голосами.
- **Small models:**
  - Аномалии: Isolation Forest, LSTM Autoencoder.
  - Прогноз отказа: XGBoost/Survival analysis.
  - Прогноз добычи: ARIMA/Prophet/LSTM.
  - ESG/выбросы: Ridge/GBM.
- **MLOps:** MLflow для экспериментов, Evidently для дрифта, Prometheus/Grafana для метрик, Airflow/Prefect для пайплайнов.

## 5.9. AI-оркестратор

- **Intent classification:** намерение пользователя → агент + функция.
- **Context manager:** хранит историю диалога, текущий объект, роль пользователя.
- **Tool router:** вызывает API (telemetry, graph, scenario, finance, report).
- **Policy engine:** запрещает опасные запросы («отключи насос», «переведи деньги», «измени запасы»).
- **Fallback:** если intent неясен — Дәулет уточняет.

## 5.10. Безопасность AI

- **Prompt injection guard:** фильтры, разграничение system/user prompts, output validation.
- **PII redaction:** удаление персональных данных перед отправкой в LLM.
- **Data access control:** агент видит только разрешённые пользователю данные.
- **Jailbreak detection:** классификатор на вход/выход.
- **Model registry:** версионирование, rollback, A/B.

## 5.11. Примеры запросов и маршрутов

| Запрос | Агент | Инструменты | Ответ |
|--------|-------|-------------|-------|
| «Покажи нефтяную отрасль» | Дәулет | GIS, asset registry | Зум к слою нефти, общая статистика |
| «Почему вибрация насоса?» | Серік | Telemetry API, KG | Диагностика + 2 варианта |
| «Какие запасы в пласте Ж-12?» | Нұрлан | KG, geological reports | Категории + confidence |
| «Куда пойдут деньги с этой тонны?» | Айым | Financial model | Санкей/распределение |
| «Какой NPV проекта?» | Жалғас | Scenario engine | NPV/IRR, sensitivity |
| «Сколько CO₂?» | Айгерім | ESG calculator | Выбросы, сравнение, сценарии |
| «Какой маршрут быстрее?» | Зарина | Logistics model | CPC vs Китай vs Самара |
| «Безопасно ли соединение?» | Батыр | Security API | Статус OT/IT, аномалии |