Автор проанализировал опыт использования агентов на OpenClaw в рабочих процессах, включая маршрутизацию заявок и выгрузку задач из 1С. Исследование показало, что для критически важных операций, требующих предсказуемого результата, обычный код эффективнее LLM.
При обработке заявок вложенный агент вызывал таймауты, из-за чего статус заявки обновлялся до отправки сообщения в Telegram. После перехода на обычный Python-код и изменения логики обновления состояния (только после подтверждения доставки) удалось обработать 123 заявки без сбоев.
Для выгрузки задач из 1С был создан агент, который реагирует на команды в Telegram или поиск номеров по регулярному выражению. Система собирает данные через MCP, формирует DOCX-документ и сохраняет вложения. На текущий момент сформировано 53 комплекта задач, включая 17 файлов.
Автор отмечает, что агент успешно выполняет роль интерфейса, однако технические задачи — такие как предотвращение дублей, проверка целостности архивов и защита от перезаписи файлов — требуют детерминированного кода, а не работы нейросети.
