AI-агент для email-кампаний ломается не на генерации текста, а на контексте

AI-агент для email-кампаний ломается не на генерации текста, а на контексте

У агента обычно есть 3 слоя памяти: профиль контакта, история касаний и текущая цель кампании. Если хотя бы один слой хранится в чате, а не в отдельном state-store, после 8–12 итераций начинаются повторы, смещение тона и «забытые» ограничения по сегменту.

Что помогает в проде:
— жёсткий schema-first state: поля subject, offer, segment, exclusions, last_action
— короткий planning loop: план → черновик → проверка → отправка, без бесконечных self-refine
— отдельный guardrail-агент, который сравнивает новый текст с прошлой версией и флагами CRM

Самая частая ошибка — давать LLM «вспомнить всё» через длинный prompt. Для маркетинга это плохо масштабируется: растёт latency, стоимость inference и вероятность, что модель начнёт подтягивать нерелевантные детали из старых цепочек. Лучше передавать не сырой лог, а сжатый summary с правилами сегмента.

Если агент пишет письма, но не знает, почему контакт попал в этот workflow, он почти всегда деградирует на длинной серии касаний. Держите память вне модели, а решение о следующем шаге — в явном состоянии.