Hardcore Mode

Зміни, внесені в Hardcore Mode, набувають чинності негайно з наступного вхідного повідомлення. Редагуйте обережно.

Hardcore Mode надає прямий доступ до вихідних файлів, що визначають поведінку агента. Замість візуального дизайнера ви редагуєте файли YAML та Markdown у дереві файлів.

Структура файлів

Кожен агент — це папка з такою структурою:

agent/
  workflows/
    main.yaml       # логіка точки входу — виконується для кожного повідомлення
  skills/
    {name}.md       # заголовок конфігурації + системний промпт

agent.yaml та flow.yaml — це системні файли, якими керує платформа. Вони недоступні в Hardcore Mode. Ніколи не редагуйте їх.

Усі файли .md у папці skills/ мають однаковий формат: заголовок налаштувань YAML та тіло системного промпту. Цей тип файлів охоплює промпти агентів, промпти суб-агентів та навички — один уніфікований формат для всіх трьох.

workflows/

main.yaml — це точка входу: рушій виконує його для кожного вхідного повідомлення. Ви можете мати кілька файлів workflow; додаткові викликаються через дії run_workflow з main.yaml або інших workflow. Кожен файл workflow — це список кроків, що виконуються по черзі. Кроки спільно використовують WorkflowState — сховище ключ-значення, з якого можна читати та в яке можна записувати між кроками.

Мінімальний приклад

steps:
  - type: skill
    id: answer
    skill: answer_question
    result_key: response

  - type: action
    id: send
    action:
      type: respond
      value: "{response}"

Типи кроків

skill
evaluate
if
action

Запуск LLM з використанням конфігурації та промпту, визначених у файлі навички.

- type: skill
  id: find_answer           # унікальний ID у цьому файлі
  skill: answer_question    # назва skills/answer_question.md (без розширення)
  result_key: response      # зберегти відповідь LLM під цим ключем (за замовчуванням: "response")
  instruction: "Be concise" # необов'язково: додаткове повідомлення перед викликом LLM

LLM отримує системний промпт із файлу навички, повну історію розмови та будь-які повідомлення, накопичені попередніми кроками (наприклад, попередні результати інструментів).

Витяг структурованих даних з розмови та попередніх виходів кроків. Без інструментів, без діалогу — один структурований виклик LLM.

- type: evaluate
  id: score_lead
  model: claude-haiku-4-5-20251001
  description: |
    Determine whether the customer has a clear budget and timeline.
  output:
    - field: has_budget
      type: boolean
    - field: timeline
      type: string_or_null   # null якщо не згадано
    - field: score
      type: int

Типи полів: boolean, string, string_or_null, int

Розгалуження за умовою — перевіряє значення стану workflow та виконує дію.

- type: if
  id: route
  branches:
    - condition:
        field: has_budget    # ключ зі стану workflow
        op: truthy           # truthy | falsy | eq | neq
      action:
        type: respond
        value: "Score: {score}, timeline: {timeline}"
    - condition:
        field: score
        op: eq
        value: 0
      action:
        type: do_nothing
  else:
    type: transfer_to_human

Плейсхолдери {key} у respond.value замінюються відповідним значенням зі стану workflow.

Пряма дія без LLM — негайно виконує дію без виклику моделі.

- type: action
  id: escalate
  action:
    type: transfer_to_human

Дії

Дія	Зупиняє виконання	Опис
`respond`	✓	Надсилає відповідь. Підтримує плейсхолдери `{key}` зі стану workflow.
`do_nothing`	✓	Зупиняється без відповіді.
`transfer_to_human`	✓	Передає розмову людині.
`run_workflow`	✓	Запускає інший файл workflow як підпроцес.
`set_value`	—	Записує `key: value` до стану workflow та переходить до наступного кроку.

Приклад run_workflow

action:
  type: run_workflow
  workflow: escalation.yaml   # має існувати в папці workflows/

Приклад set_value

action:
  type: set_value
  key: greeted
  value: true

skills/{name}.md

Файл навички складається з двох частин, розділених ---:

Заголовок налаштувань YAML

Між маркерами --- — конфігурує LLM, інструменти та ліміти ітерацій.

Системний промпт

Усе після закриваючого --- — інструкції, що надсилаються LLM.

Повний приклад

---
skill: answer_question
description: Search the knowledge base and answer customer questions
llm:
  model: claude-haiku-4-5-20251001
tools: [search_qa]
max_iterations: 5
---

You are a helpful support agent. Use the search_qa tool to find answers.

Always reply in the same language the customer used.
If nothing is found, say you'll escalate to a human.

Поля заголовка налаштувань

Поле	Обов’язкове	Опис
`skill`	✓	Має збігатися з назвою файлу без `.md`
`description`	—	Короткий опис, що відображається у списку файлів
`llm.model`	✓	Модель для використання (див. Моделі)
`llm.thinking_budget`	—	Бюджет розширеного мислення Anthropic у токенах (наприклад, `8000`)
`llm.reasoning_effort`	—	Зусилля міркування OpenAI: `low` \| `medium` \| `high`
`tools`	—	Список назв інструментів. Використовуйте `[]` для відсутності інструментів.
`max_iterations`	—	Максимальна кількість циклів виклику інструментів до зупинки (за замовчуванням: `10`)

Вставка стану workflow у промпти

Використовуйте {values.key} будь-де в тілі системного промпту, щоб вставити значення зі стану workflow:

The customer's lead score is {values.score}.
Based on this, adjust your tone accordingly.

Моделі

Anthropic
OpenAI

Рекомендовано для більшості випадків.

Модель	Найкраще підходить для
`claude-haiku-4-5-20251001`	Швидкі, економічні завдання
`claude-sonnet-4-6`	Збалансована продуктивність
`claude-opus-4-6`	Найпотужніша, складне міркування

Використовуйте llm.thinking_budget для увімкнення розширеного мислення (бюджет токенів, наприклад 8000).

Модель	Найкраще підходить для
`gpt-5.5`	Флагман, найвища потужність
`gpt-5.4`	Збалансована
`gpt-5.4-mini`	Доступна, легші завдання

Використовуйте llm.reasoning_effort (low / medium / high) замість thinking_budget.

Інструменти

Інструмент	Опис
`search_qa`	Семантичний пошук у базі знань Q&A цієї організації
`web_search`	Пошук у реальному часі в інтернеті
`list_files`	Перелік файлів у директорії цього агента
`read_file`	Читання файлу з директорії цього агента
`write_file`	Створення або перезапис файлу в директорії цього агента
`delete_file`	Видалення файлу з директорії цього агента

Правила та застереження

workflows/main.yaml є обов’язковим. Без нього агент не повертає жодної відповіді.

ID кроків мають бути унікальними

Значення id мають бути унікальними в межах файлу workflow. Дублікати ID призводять до непередбачуваної поведінки.

skill: має точно збігатися з назвою файлу

skill: має точно збігатися з skills/{skill}.md — збіг є чутливим до регістру.

Зупиняючі дії завершують виконання негайно

respond, do_nothing, transfer_to_human та run_workflow зупиняють виконання негайно. Будь-які кроки після них у workflow не виконуються.

set_value не зупиняє виконання

На відміну від інших дій, set_value записує значення до стану workflow і переходить до наступного кроку — ніколи не зупиняє workflow.

Виходи evaluate зберігаються у стані workflow

Поля, отримані за допомогою evaluate, зберігаються у стані workflow і можуть бути прочитані будь-якою наступною гілкою if або плейсхолдером respond.

Ніколи не редагуйте agent.yaml або flow.yaml

Це системні файли, якими керує платформа. Пряме редагування може зламати агента непередбачуваним чином.

Налаштування AI-агента

Chat AI-агенти

Voice AI-агенти

Структура файлів

workflows/

Мінімальний приклад

Типи кроків

Дії

skills/{name}.md

Повний приклад

Поля заголовка налаштувань

Вставка стану workflow у промпти

Моделі

Інструменти

Правила та застереження

​Структура файлів

​workflows/

​Мінімальний приклад

​Типи кроків

​Дії

​skills/{name}.md

​Повний приклад

​Поля заголовка налаштувань

​Вставка стану workflow у промпти

​Моделі

​Інструменти

​Правила та застереження

Структура файлів

workflows/

Мінімальний приклад

Типи кроків

Дії

skills/{name}.md

Повний приклад

Поля заголовка налаштувань

Вставка стану workflow у промпти

Моделі

Інструменти

Правила та застереження