PLAN → ACTION → EVIDENCE. Для рискованных действий: PLAN → DRY-RUN → ACTION → EVIDENCE.
Почему нужен отдельный протокол
Пока AI только отвечает текстом, главная ошибка — принять убедительный ответ за правильный. Когда AI получает файлы, терминал, браузер, API или доступ к бизнес-системе, появляется новый класс риска: модель может не только ошибиться в объяснении, но и изменить реальное состояние. Поэтому зрелая AI-грамотность должна включать не только постановку запроса, но и управление действием и проверку результата.
PLAN — определить работу до запуска
PLAN отвечает на четыре вопроса: что должно измениться, какие данные и инструменты допустимы, где границы действия и какой наблюдаемый признак будет означать успех. Хороший PLAN не обязан быть длинным. Для удаления файлов это может быть список путей и правило «не трогать ничего за пределами D:\70_AI». Для анализа — критерии выбора и список источников, которые нужно проверить.
«Найди дубли приложений. Ничего не удаляй. Покажи, что именно считаешь дублем, где это установлено и чем подтверждается».
ACTION — перейти от совета к реальной работе
ACTION — это не описание того, что можно сделать, а фактическое выполнение разрешённой операции: прочитать файл, сравнить версии, запустить тест, открыть страницу, создать документ, изменить код, выполнить команду или пройти шаги в интерфейсе. Если действие потенциально разрушительное, между PLAN и ACTION добавляется DRY-RUN: агент показывает предполагаемые изменения без применения.
EVIDENCE — доказать, что произошло
EVIDENCE — наблюдаемый сигнал, независимый от заявления модели «готово». Подходящие формы: diff, созданный файл, результат теста, лог, HTTP-ответ, изменённое состояние записи, скриншот, повторный запрос к системе, метрика до/после. Чем опаснее действие, тем сильнее должно быть доказательство.
Сообщение AI «готово» ≠ EVIDENCE. Evidence существует вне утверждения самой модели.
Уровни evidence
- Слабое: текстовый отчёт модели о собственном действии.
- Среднее: скриншот или лог того же инструмента.
- Сильное: независимая проверка целевого состояния — diff, тест, повторное чтение, запрос к API.
- Машинно-проверяемое: подписанный execution receipt, audit trail или другой проверяемый артефакт.
Как протокол работает в реальном агентском сценарии
В эксперименте AI Literacy агент получил ограниченный доступ к рабочей области компьютера. PLAN задавал разрешённую директорию и критерий безопасности. ACTION проверял чтение внутри и за пределами зоны. EVIDENCE был бинарным и наблюдаемым: разрешённый файл читается, приватный — блокируется. Именно такой цикл превращает «кажется безопасно» в воспроизводимый тест.
PAE как минимальный язык команды
Протокол полезен не только для сложных агентов. Им можно описать поиск, работу с документом, исследование, написание кода, автоматизацию и обучение. PLAN удерживает намерение человека, ACTION использует возможности модели и инструментов, EVIDENCE возвращает контроль в наблюдаемую реальность.
Связанные понятия
Agentic AI Literacy описывает более широкую компетенцию человека. AI Agent Dry Run — безопасный промежуточный режим перед изменениями. AI Agent Evidence — отдельная дисциплина проверки выполненных действий.