Маркетинговый AI-агент ломается не на генерации, а на передаче контекста между шагами

Маркетинговый AI-агент ломается не на генерации, а на передаче контекста между шагами

Если агент пишет email, сегментирует CRM и запускает follow-up, у него обычно падают не «идеи», а память о цели. После 5–12 итераций он начинает повторять один и тот же угол, теряет ограничения по тону и забывает, почему этот лид вообще в сценарии.

Рабочая схема — не один длинный агент, а короткий пайплайн:
— отдельный шаг на сбор фактов из CRM и событий;
— отдельный шаг на выбор сегмента и оффера;
— отдельный шаг на генерацию креатива;
— отдельный шаг на валидацию: длина, CTA, запрещённые утверждения, дубли.

Контекст лучше хранить не в переписке, а в структурированном state: сегмент, стадия воронки, продукт, последняя реакция, допущенные формулировки. Тогда можно делать checkpoint после каждого шага и не тащить в промпт всю историю диалога. Это снижает drift и упрощает отладку: видно, на каком этапе агент ушёл в мусор.

Если в агенте есть handoff между LLM и внешними инструментами, добавляйте fail-closed правила: нет данных — не генерировать, а возвращать пустой результат с причиной. Иначе модель начнёт заполнять пробелы правдоподобным, но бесполезным текстом.

Стабильный маркетинговый агент — это не «умный чат», а цепочка с жёсткими состояниями, короткой памятью и проверками на каждом переходе.