# Проверка макета нейросетью: что агент находит сам и как научить его ошибаться реже

Проверка макета нейросетью: что агент сверяет по картинке, зачем ему исходник для правок, как разбором ошибок обучить проверку и сохранить её как скилл агента.

URL: https://posts.danashkin.ru/guides/proverka-maketa-neyrosetyu
Обновлено: 2026-10-20

---

## Коротко

**Главное**

- Агент-проверяющий ошибается на первом прогоне всегда. Приговором такое начало считать рано: промахи разбираются на нескольких макетах, записываются в процедуру, и её принимают на свежем макете, которого агент не видел.
- На обучении первой сработала сверка данных с техническим заданием: агент выдал сверку текстов с цитатами и нашёл противоречие в самом ТЗ. Качество сверки дизайнеры проверяли сами.
- По картинке PNG агент находит и описывает ошибки, а точные правки делает только по исходнику. Шрифт и точные размеры по растру не проверить, и право так ответить стоит выдать в запросе.
- Учить проверяющего нужно до скилла: прогон, разбор пропусков вопросом «почему ты это не нашёл», повтор на других макетах, и только потом - сохранение навыка.
- Каждая сверка живёт в своей папке. Иначе агент может подсмотреть готовый ответ в соседней, и хороший результат окажется случайным.

## Насколько агент ошибается при проверке макета?

**Главное**

Без обучения - всегда, и для старта так и должно быть. На корпоративном обучении этот вопрос прозвучал прямо: как часто он ошибается и сколько процентов человеку всё равно перепроверять. Мой ответ был короткий: он всегда ошибается, если его не научить. Доля промахов должна падать, когда разобранные случаи записаны в процедуру.

На обучении для отдела дизайна один из первых вопросов дня касался вовсе не генерации картинок. Речь зашла о внутренней задаче - проверять макет на ошибки, и прозвучал вопрос: «Насколько вообще-то он ошибается? Он всегда ошибается?»

Я ответил: «Он всегда ошибается, если его не научить». И сразу перевёл в практику. Делаем задачу первый раз - агент чего-то не видит. Смотрим сами, указываем на промахи, запускаем ещё.

Добиваемся нескольких итераций, чтобы на разных макетах в разных ситуациях пропусков больше не было. И говорим: теперь всё здорово, сохрани этот путь как навык.

Лучшая аналогия здесь - стажёр. Пришёл человек из другой компании, знания есть, а как у вас принято сверять этикетку, ему неизвестно. Идеальной первой работы от него никто не ждёт. Ты показываешь на примерах, что нормально, что брак, и со временем он справляется сам.

С [ИИ-агентом](/concepts/ai-agent) так же, только обучение записывается в файл и остаётся у компании, даже когда сотрудник уходит.

Отсюда и ответ про проценты. Пока процедура сырая, человек перепроверяет всё. Когда она обучена на ваших типовых ошибках, человек может смотреть помеченные агентом сомнительные места плюс выборку остального.

## Граница: что агент находит по картинке, а что нет

**Главное**

На обучении первой сработала сверка данных: текст на макете против ТЗ, характеристики, артикулы. Хуже всего - то, что по растру не измерить: шрифт, точный размер, выравнивание. Такая граница задана форматом файла, поэтому её прописывают прямо в запросе.

| Что сверяем | По картинке PNG | По исходнику AI или PDF | Кто решает |
|---|---|---|---|
| Тексты и характеристики против ТЗ | Получается, с цитатой из ТЗ | Получается | Агент находит, человек подтверждает |
| Противоречия внутри самого ТЗ | Может найти, если ТЗ дано целиком | Находит | Только человек |
| Артикулы | Получается | Получается | Агент находит, человек просматривает помеченное |
| Шрифт и кегль | По растру точно не проверить, пусть так и напишет | Агент сам запросил исходник для этих пунктов | Дизайнер |
| Размеры, отступы, выравнивание | Только приблизительно | Точнее, чем по картинке | Дизайнер выборочно |
| Логотип, знаки, обязательные элементы | Видит наличие, но версию знака по растру не сверить | Нужен актуальный файл логотипа | Дизайнер |

Колонку «по исходнику» на обучении не прогоняли: это то, чего стоит ждать от редактируемого файла, а не измерение.

Ключевая строка запроса из упражнения с этикетками: ничего не исправлять додумывая, а если по картинке пункт проверить нельзя, например шрифт, так и написать. Без неё агент может заполнить пустую клетку правдоподобным «соответствует», и ты не узнаешь, что пункт не проверялся.

Тот же принцип я разбирал в статье про [галлюцинации нейросетей](/guides/gallyucinacii-neyrosetey-kak-proveryat): модель охотнее даёт уверенный ответ, чем признаёт незнание. В сверке макета право сказать «по этому файлу не проверить» выдаётся явно.

## Почему найти ошибку не значит исправить её?

**Главное**

Исправление требует исходника. На обучении группа попросила агента исправить этикетки в PNG, а он провёл аудит, собрал таблицу с подсветкой и запросил редактируемые исходники. Исправить по картинке он может, вопрос только качества. Аудит идёт по картинкам, правка - по файлам в слоях.

Упражнение было такое. Агент сопоставлял этикетку до и после правок, составлял из разницы техническое задание и по нему сверял остальные этикетки линейки. На вход - только картинки PNG. На выход - таблица по каждому артикулу.

Группа рассчитывала на исправленные файлы. Из группы объяснили: мы попросили, чтобы он исправил неправильное. Вместо исправленных картинок пришёл аудит и Excel с подсвеченными строками.

А в ответе агент написал: для точного выполнения пунктов по шрифтам, размерам и выравниванию лучше нужны редактируемые исходники или редактируемый PDF, плюс новый логотип и знак качества.

Поведение правильное. Перерисовать надпись на растровой этикетке агент может, но выйдет похожая этикетка, а совпадения с исходником уже не будет. Для упаковки, которая идёт в печать, «похоже» не годится.

**Как ставить эту задачу**

По PNG агент найдёт и опишет ошибки. Точные исправления - по исходникам AI или PDF. Если исходников нет, правка по картинке возможна, но выходит перерисовка, и её смотрит дизайнер. Скажи об этом группе до упражнения, а не после.

## Сверка с ТЗ: где агент полезнее всего

**Главное**

В сверке, где строк больше, чем держит внимание. На втором дне обучения агент остановился до правок и написал, что в ТЗ противоречие: нагрузка в характеристиках вдвое больше, чем в рекомендациях. В соседнем упражнении он выдал сверку из 54 пунктов с цитатами.

Задача второго дня - макеты по образцу: взять образец, взять техническое задание на новые артикулы и подготовить файлы. Первым ответом агент оставил этикетки как были. Он написал: сравнение завершено, этикетки пока без изменений, в ТЗ есть противоречие, требующее вашего решения.

Первая догадка была такая, будто дело в разных артикулах: наверное, образец на один, а ТЗ на другие. Агент такую разницу уже учёл. Противоречие сидело внутри строк для новых артикулов: в характеристиках нагрузка вдвое больше, чем в рекомендациях. Он предложил взять рекомендацию, но решение оставил людям.

Вот здесь и видна польза проверяющего. Пару расходящихся цифр в разных блоках длинного ТЗ человек к концу дня может пропустить, а агент идёт по каждой строке по одному правилу. Это ускоряет сверку, но не заменяет проверяющего: итог сверки выгрузили дизайнерам в Excel, а одно уверенное утверждение агента про шрифт в тот же день вызвало сомнение прямо на занятии.

В соседнем упражнении на сверку текстов итог выглядел так: шесть файлов, 54 пункта с цитатами, все тексты вынесены на отдельный лист, неподтверждённое помечено отдельно, исходники нетронуты. Сверку мы выгрузили в Excel, чтобы дизайнеры посмотрели её своими глазами: им виднее. Правильное разделение труда выглядит именно так.

## Как научить агента проверке до того, как делать скилл?

**Главное**

Пройти несколько кругов на реальных макетах: прогон, сверка глазами, разбор пропусков вопросом «почему ты это не нашёл», повтор на другом макете. Когда промахи на разных случаях прекратились, путь сохраняется как скилл. «Запомни» записывает правило, «сделай скилл» создаёт файл навыка.

Скилл, сохранённый после первого прогона, закрепляет первые ошибки. Поэтому порядок такой.

1. **Прогон на одном макете**

   Дай агенту макет, ТЗ и строку про честность: что по этому формату проверить нельзя, так и напиши. Попроси таблицу вместо абзаца.

2. **Сверка глазами**

   Пройди макет сам и отметь, какие ошибки агент пропустил и какие отметил зря. Без такой разметки обучать нечему.

3. **Разбор пропусков**

   Перечисли агенту пропущенное и спроси: почему ты это не нашёл. Ответ покажет, чего не хватало задаче: правила, примера или исходника.

4. **Повтор на другом макете**

   Новый макет, желательно с другим типом ошибки. Если промах повторился там же, правило записано плохо.

5. **Сохранение**

   Когда на разных макетах пропуски перестали повторяться, попроси сохранить путь как скилл. Дальше достаточно сказать: примени скилл проверки к этим файлам.

Разницу между «запомни» и «сделай скилл» на обучении спросили отдельно. «Запомни» - агент допишет строку в постоянные правила проекта, и она будет действовать во всех задачах папки. «Сделай скилл» - появится отдельный навык: по документации им служит папка с файлом SKILL.md, где есть название, описание и шаги.

Агент подгружает навык целиком, когда видит подходящую задачу. Для сверки макетов нужен второй вариант: процедура из многих шагов в одну строку правил не помещается.

Как понять, созрела ли задача для такой инструкции, я подробно разбирал в статье про [задачу, которая повторилась третий раз](/guides/zadacha-povtorilas-tretiy-raz).

## Почему каждую проверку нужно держать в своей папке?

**Главное**

Агент может читать любые файлы рабочей папки, а не только нужные задаче. Если рядом лежит готовый образец ответа, он может опереться на него, и отличный результат окажется подсмотренным. Одна сверка - одна папка с её файлами, а качество подтверждается на задаче, где ответа рядом нет.

На втором дне, когда мы разбирали результат одного упражнения, участник спросил: «Это в одном упражнении, да?» Подозрение было такое: агент заглянул в соседнюю папку с другим упражнением, где лежал похожий образец. Запрета в промпте на это не стояло.

Я ответил честно: может быть, и подсмотрел. Проверяется просто: дать подобное задание там, где подсмотреть негде. Результат держится - навык, скорее всего, настоящий. Проваливается - знание жило в соседней папке, а агент им только воспользовался.

По документации Codex в обычном режиме агент читает файлы и вносит правки внутри рабочей папки. Там же совет держать границу проекта и для разных задач заводить отдельные проекты вместо расширения доступа. Для сверки макетов отсюда три правила:

1. Одна сверка - одна папка: макеты, ТЗ, образец этой задачи, и больше ничего.
2. Эталонные ответы для обучения лежат отдельно и подкладываются, только когда ты сам решил их показать.
3. Готовую процедуру принимаешь на свежем макете, которого агент раньше не видел.

Как убедиться, что агент сделал заявленное, а не просто отчитался, разбирал в статье про [проверку выполнения задачи](/guides/agent-otchitalsya-a-rezultata-net).

## Когда проверка агентом окупается?

**Главное**

Когда макетов много и они однотипные. Один макет дизайнер обычно проверит быстрее, чем объяснит задачу. Линейка из десятков этикеток, где каждая сверяется с одним ТЗ, - другое дело: обучение отнимает время один раз, а процедуру потом можно запускать на следующих партиях. Сколько это сэкономит, проверяется на твоей линейке.

Расчёт простой. Первые прогоны и разбор ошибок отнимают время, которого на одном макете хватило бы на ручную сверку. Выигрыш появляется на объёме.

Важно и то, что остаётся за людьми. Противоречие в ТЗ агент находит, но какая нагрузка правильная, решает технолог или продакт. Подсвеченную строку правит дизайнер. Финальную подпись под макетом ставит тот, кто отвечает за упаковку.

Для руководителя отсюда понятный короткий пилот: одна типовая задача отдела, один ответственный дизайнер, который учит агента, и сравнение «сколько ошибок нашёл человек, сколько агент, сколько оба» на одной партии. Какие ещё задачи отдела можно отдать агенту, смотри в материале про [агента в Excel и PowerPoint](/guides/agent-v-excel-i-powerpoint).

## Частые вопросы

**Главное**

Спрашивают, можно ли убрать человека из сверки совсем, что делать без исходников, сколько макетов нужно на обучение и можно ли доверить агенту выбор при противоречии в ТЗ.

### Частые вопросы

**Можно ли совсем убрать человека из проверки макетов?**

Нет. Агент берёт на себя первый проход по монотонной сверке, но решения по противоречиям и финальную подпись принимает ответственный. Обученная процедура сокращает ручную работу до помеченных мест и выборки.

**Что делать, если исходников в слоях нет, только PNG?**

Сверять по картинкам можно: тексты и характеристики агент сверяет по картинке, а ты выборочно перепроверяешь его вывод. Шрифты и размеры по PNG точно не проверить, и агент должен так и писать. Исправление по картинке - перерисовка, её смотрит дизайнер.

**Сколько макетов нужно, чтобы обучить проверку?**

Точного числа нет: на обучении речь шла о нескольких итерациях на разных макетах. Критерий готовности - промахи перестали повторяться на разных макетах, после этого путь сохраняется как скилл.

**Агент нашёл противоречие в ТЗ. Ему можно доверить выбор?**

Нет. Хорошо, когда агент предлагает вариант, как было с расхождением в нагрузке, но выбор остаётся за тем, кто отвечает за продукт. Правильное поведение агента - остановиться и спросить, вместо того чтобы молча выбрать.

## Главный вывод

**Главное**

Проверка макета нейросетью работает, когда агента учат как стажёра: прогон, разбор пропусков, повтор, скилл. Лучше всего у него получилась сверка данных с ТЗ и поиск противоречий, точные правки делает по исходникам, а качество подтверждается на свежем макете в отдельной папке.

Вопрос «насколько он ошибается» правильный, но ответ зависит от вас. Необученный агент ошибается всегда. Обученный на ваших типовых ошибках ускоряет сверку партии: делает первый проход и отдаёт сомнительное людям.

Практический шаг: возьми три вчерашних макета с ошибками, найденными людьми, и прогони их через агента со строкой «что по этому формату проверить нельзя, так и напиши». Сравни, что нашёл он, а что вы.

Какую сверку в твоём отделе люди чаще всего делают вручную?

### Источники

- [Build skills - как устроен навык агента: папка с SKILL.md, ChatGPT Learn](https://learn.chatgpt.com/docs/build-skills)
- [Sandbox - границы рабочей папки и режимы доступа агента, ChatGPT Learn](https://learn.chatgpt.com/docs/sandboxing)
- [Agent Skills Overview - открытый стандарт навыков агента, Agent Skills](https://agentskills.io/home)
- [Техническое задание - что это за документ и что в нём фиксируют, Википедия](https://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D1%85%D0%BD%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5)
- [Допечатная подготовка - этап проверки макета перед печатью, Википедия](https://ru.wikipedia.org/wiki/%D0%94%D0%BE%D0%BF%D0%B5%D1%87%D0%B0%D1%82%D0%BD%D0%B0%D1%8F_%D0%BF%D0%BE%D0%B4%D0%B3%D0%BE%D1%82%D0%BE%D0%B2%D0%BA%D0%B0)