Claude Code агенты для сбора цитат аудитории: как устроена команда, которая сама проверяет каждую ссылку

На сборе дословных цитат аудитории хорошо видно, как устроены Claude Code агенты в рабочей задаче: что они умеют, где врут и как заставить их проверять друг друга. Для контента такие цитаты — сырьё. Из живых фраз клиентов потом пишут заголовки, сценарии роликов и тексты лендингов.

Простой путь здесь не работает. Если попросить нейросеть «найди цитаты клиентов», она выдаст правдоподобные фразы, и у заметной части из них не окажется источника. Ручной путь работает, но долго: по оценке авторов разбора, на пару сотен цитат уходит около 40 часов чтения комментариев и форумов.

Ниже — разбор по материалам статьи агентства MANIFEST на Хабре. Команда описала, как собрала для Claude Code скилл: несколько агентов ищут цитаты, другие агенты их перепроверяют, а время работы ограничено лимитами. Я не пересказываю статью по порядку. Меня интересует то, что из неё переносится на любой конвейер, где модель приносит факты: как устроены роли, почему проверка вынесена отдельно и во что всё это обходится.

В чём задача: живые фразы вместо портрета клиента

Маркетологу нужно знать, какими словами клиент описывает свою проблему. Привычный инструмент — портрет вроде «Ирина, 35 лет, боится слить бюджет» — авторы разбора называют пересказом маркетолога. В нём нет языка самого клиента. Строить на таком портрете заголовок — значит писать словами агентства, а не словами того, кто платит.

Нужен другой результат: реплика, которую написал реальный человек, с автором, площадкой и ссылкой, по которой её можно открыть. Вручную её добывают так: читают комментарии на vc.ru и YouTube, форумы и отзывы, выписывают фразы и сохраняют адреса. Отсюда и 40 часов.

Главная трудность автоматизации здесь — честность, а не скорость. Модель пишет «как клиент» убедительно, и поэтому выдуманную цитату трудно отличить от настоящей. Вся система в разборе построена вокруг одного требования: каждая цитата найдена по ссылке и сверена с оригиналом.

Claude Code агенты по фазам: кто за что отвечает

Сначала про термины. Claude Code — инструмент Anthropic, в котором модель выполняет задачу сама: запускает скрипты, открывает источники, пишет файлы. ИИ-агент здесь — экземпляр модели с отдельным заданием и своими инструментами. Скилл — набор инструкций и скриптов, по которому вся команда агентов проходит прогон.

Если коротко ответить на вопрос, как работает ИИ-агент в этой схеме: он получает узкое задание с границами, делает его и отдаёт результат следующей фазе. Фаз шесть.

1. Вопросы. Скилл расспрашивает человека о продукте, сегментах аудитории, гипотезах и площадках, где эта аудитория общается.
2. Разведка. Один-два агента обходят площадки и составляют список целей: конкретные обсуждения, видео, ветки форумов, где пишут именно клиенты. Места, где между собой разговаривают подрядчики, отсеиваются сразу.
3. Сбор. По агенту на каждую ячейку сетки, все параллельно. Агент сохраняет цитату целиком, с орфографией и пунктуацией оригинала, плюс автора, площадку, тип источника, ссылку и одну строку о ситуации: например, «плачу за маркетинг почти всю выручку, результата нет».
4. Проверка. Другие агенты заново открывают каждую ссылку и сверяют текст посимвольно. Неподтверждённое удаляется.
5. Паттерны. Один агент читает все подтверждённые цитаты по критерию и описывает, какими словами аудитория это проговаривает и как часто, вплоть до «7 из 12 цитат».
6. Таблица. Скрипт, а не модель, собирает xlsx из трёх листов: анализ по сегментам, сырые цитаты со ссылками и статусом проверки, методология.

Сетка «сегмент × критерий»

Задания для сборщиков режутся по сетке. В строках — сегменты аудитории, в столбцах — критерии. В полном прогоне из разбора критериев было восемь: боли, страхи, возражения, опыт с прошлыми решениями, ожидания по цене, критерии выбора, точка Б (желаемый результат) и язык запросов, то есть то, как люди формулируют проблему в поиске и чатах.

Каждая ячейка — отдельный агент. До запуска сетку показывают человеку и ждут подтверждения. Логика простая: поправить таблицу из восьми строк дешевле, чем переделывать весь прогон. Мне этот шаг кажется самым недооценённым во всей схеме. Человек вмешивается там, где ошибка стоит минуту, а не там, где она стоит полтора часа работы агентов.

Как проверить цитаты нейросети: почему проверяет другой агент

Самое полезное решение в разборе касается проверки. Авторы пишут прямо: если сборщик проверяет себя сам, проверка превращается в формальность, потому что агент склонен подтверждать то, что только что нашёл.

Поэтому роли разделены. Проверяющий получает только таблицу записей и инструкцию: открыть каждую ссылку и найти фразу на странице. Контекста сбора у него нет. Подтвердить он может только то, что видит своими глазами.

Цифры полного прогона: сборщики принесли 96 цитат, после проверки осталось 93. Ни одна из трёх удалённых не была выдуманной фразой. Во всех трёх случаях говорил не тот человек: вместо заказчика услуги писал исполнитель. Авторы называют это самой частой ошибкой сбора. На биржах и в профильных чатах громче всех пишут подрядчики, а исследованию нужны те, кто им платит.

Отсюда практический ответ на вопрос, как проверить цитаты нейросети:

• проверка делается заново, по ссылке, а не по памяти модели;
• проверяющий не видит, как и зачем цитату искали;
• сверка посимвольная, без «по смыслу похоже»;
• неподтверждённое удаляется, а не помечается «под вопросом».

Отдельно проверяется, кто говорит. Совпадение текста ещё не делает цитату годной. Фраза может стоять на странице слово в слово и при этом принадлежать подрядчику. На практике это, скорее всего, значит, что проверке нужен не только критерий «фраза есть», но и критерий «говорит представитель аудитории о себе».

Лимиты вместо «копай до конца»: три режима

Вторая находка разбора — время. Без ограничений даже «быстрый» сбор растягивался на час: каждый агент по умолчанию копает до конца. При этом длительность прогона определяет глубина работы одного агента, а не число агентов, потому что они идут параллельно. Добавить агентов почти бесплатно по времени. Разрешить каждому читать без потолка — дорого.

Поэтому режим задаётся лимитами прямо в задании каждому агенту:

В быстром режиме разведка ограничена vc.ru и одной отраслевой площадкой. Заметьте компромисс: отдельного проверяющего там нет, и сборщик проверяет себя сам, то есть ровно то, что авторы в другом месте называют формальностью. Цена скорости явная: быстрый режим даёт черновое понимание, а не проверенную базу.

Реальный замер полного режима 31 июля 2026 года: 13 агентов, 1 007 обращений к источникам, 1 час 38 минут, 93 подтверждённые цитаты по восьми критериям. На эту цифру агентство опирается, когда называет срок клиенту. Вот такая цифра мне и нравится: замер конкретного прогона с датой, а не оценка «в среднем».

Что считается годной цитатой и откуда она берётся

Каждый сборщик получил одинаковые правила отбора:

• говорит сам представитель аудитории, о своей ситуации, от первого лица;
• формулировка живая — так человек рассказал бы это другу;
• есть автор, площадка и рабочая ссылка;
• в цитате есть конкретика: цифра, срок, деталь или последствие.

Не берутся пересказы своими словами, рекламные комментарии, отзывы, написанные подрядчиками, и фразы из маркетинговых статей.

У правил есть числовой контроль. Скрипт сборки таблицы считает долю живых голосов, и если она ниже двух третей, сбор признаётся неудачным: собрали пересказ рынка вместо языка людей, надо дособирать. Мне нравится, что порог проверяет код, а не модель. Модель легко убедить, что её результат хорош, а скрипту всё равно.

Источники — открытые: комментарии на vc.ru и YouTube, форумы, отзывы на картах и отзовиках. Для vc.ru и YouTube у скилла есть отдельные скрипты, которые забирают комментарии под конкретными материалами через публичные API. Агенту не нужно листать страницы, и падает риск, что за цитату он примет текст самой статьи. Закрытые площадки вроде телеграм-чатов агент не читает. Их добирают отдельно, если человек даёт доступ или выгрузку.

Что показал прогон

Самая частая формула боли у собственников высокочековых услуг встретилась в 7 из 12 цитат: нулевой результат фиксируют одними и теми же словами — «результата нет», «все по нулям», «нет записи». Деньги описывают глаголами потери, а сумму почти всегда называют точно.

Ещё три наблюдения авторы называют неожиданными. Возражение про цену почти не встречается — претензия звучит к тому, что непонятно, за что платишь. Результат описывают действием: «запись», «звонок», «обращение», а слова «конверсия» в этой речи почти нет. Агентство сравнивают с наймом сотрудника заметно чаще, чем с другими агентствами. Для того, кто пишет тексты, каждое из этих наблюдений — готовая правка лендинга.

ИИ агенты для бизнеса: что из этой схемы переносится

Сбор цитат — частный случай. Но три решения из разбора я считаю переносимыми почти на любую задачу, где ИИ-агенты приносят факты, а не пишут текст по фантазии.

Тот, кто ищет, и тот, кто подтверждает, — разные исполнители. Это работает для фактов в статье, цен в обзоре, цитат экспертов в посте. Проверяющий без контекста сбора честнее, потому что ему нечего защищать.

Время управляется потолком на каждого исполнителя, а не их числом. Если параллельный конвейер работает слишком долго, первым делом стоит смотреть, сколько шагов разрешено одному агенту.

Человек ставится в точку, где ошибка дешёвая. Подтвердить сетку до запуска — минута. Найти перекос после прогона — полтора часа заново.

Авторы формулируют главный вывод так: качество определяют разделение ролей и лимиты, а модель и количество агентов влияют меньше. Это их вывод по их задаче. Насколько он переносится на другие задачи, разбор не проверяет. Но логика за ним понятная, и проверить её у себя несложно.

Границы и цена

Ограничения авторы называют сами, и они существенные.

• Только открытый доступ. Ниши, где клиенты общаются в закрытых чатах, без ручного добора выходят пустыми. Для части B2B-сегментов это, скорее всего, значит, что агенты принесут мало.
• Пустая ячейка — повод для разговора, а не для дособора. Иногда критерий просто не обсуждают публично, иногда нужен другой источник. Решает это человек.
• Паттерны пишет модель. Вывод «7 из 12» сделан агентом, и перед тем как брать его в работу, человек перечитывает выводы. Подсчёт частот — тоже место, где модель может ошибиться, а проверки паттернов в описанной схеме нет.
• Цитаты с именами — рабочий документ. В тексты и рекламу они идут без имён и без ссылок на личные страницы.
• Быстрый режим жертвует проверкой. Без отдельного проверяющего возвращается та самая склонность подтверждать себя.

Теперь о цене. Временные ориентиры в материале есть: около 15 и 30 минут на быстрый и средний режим, 1 час 38 минут на полный против примерно 40 часов вручную. Стоимости в деньгах — подписки, расхода модели на 1 007 обращений — в разборе нет, поэтому я её не называю. Порядок затрат понятен качественно: полный режим без лимитов на обращения расходует заметно больше, чем средний с потолком в 25 обращений на сборщика. Сколько это рублей, зависит от тарифа, и прикинуть надо до первого полного прогона, а не после.

Есть и неявная цена — время на сборку самого скилла. Скрипты под API vc.ru и YouTube, генератор таблицы, правила отбора, порог живых голосов: это инженерная работа, и её объём в материале не раскрыт. Окупается она на повторяющихся исследованиях. На разовой задаче может оказаться быстрее посидеть с комментариями вручную.

Что с этим делать

• Если вы уже собираете цитаты или факты нейросетью, вынесите проверку в отдельный шаг. Проверяющий получает только список записей и ссылки, без контекста поиска, и удаляет всё, что не нашёл на странице дословно.
• Добавьте проверку «кто говорит». Для исследований аудитории главная ошибка в разборе — голос подрядчика вместо голоса клиента, а не выдуманная фраза.
• Ограничьте каждого агента в задании. Число цитат и число обращений к источникам на одного исполнителя управляют временем сильнее, чем число исполнителей.
• Поставьте числовой порог, который проверяет код. Например, долю живых голосов, как в разборе, — и признавайте прогон неудачным, если порог не пройден.
• Не начинайте с автоматизации, если аудитория живёт в закрытых чатах. Сначала проверьте вручную, есть ли в открытом доступе хотя бы десяток подходящих обсуждений. Если нет, агенты принесут пустые ячейки.

Источник: Команда ИИ-агентов в Claude Code для сбора цитат аудитории: разведка, сбор и проверка каждой ссылки