Обычный скрипт с вызовом LLM подходит для линейных задач с предсказуемыми входами: OCR первички, разметка заявок, резюме документов. ИИ-агент нужен только там, где есть реальные вызовы инструментов, память между шагами и ветвления в логике.
Новый релиз llm 0.37 от Simon Willison усиливает скриптовый путь: добавлены модели gpt-6.1-sol и gpt-6.1-terra, появилась команда llm openai endpoint add для OpenAI-совместимых API, а дефолтная модель gpt-6-luna стала вдвое дешевле предыдущей. llm CLI - это командная строка и Python-библиотека, которая через один интерфейс ходит в разных провайдеров. Также обновлены эмбеддинги: теперь они умеют работать с разными типами контента, что важно для моделей вроде Gemini Embedding 2 - текст, аудио, картинки, видео.
Что это меняет для автоматизаций малого бизнеса
Большинство пайплайнов, которые я собираю для клиник, юрфирм и небольших производств - OCR счетов, сортировка лидов, резюме договоров - это линейные конвейеры, а не агенты. Крон плюс llm CLI часто делает ту же работу, что и тяжелый агентный фреймворк, за долю стоимости и сложности - примерно так устроен мой пайплайн анализа тендеров, который прогоняет сотни страниц в поисках скрытых штрафов и сроков. Новая команда endpoint add заодно позволяет без боли переключать тот же код на self-hosted модель, когда клиенту нужно держать данные в своем контуре или внутри РФ.
Почему это важно: Берите минимальный инструмент под задачу - скриптовый вызов LLM для линейных процессов, агента только там, где ветвление логики реально оправдывает его вес и цену.
Источник: Simon Willison