MA-SAPO: оптимизация промптов через многоагентный анализ и reasoning-активы

Пытаешься улучшить промпт, но модель говорит «связность 3.2 из 4» — окей, и что с этим делать? Обычные методы оптимизации работают вслепую: переписывают наугад, не понимая ЧТО именно сломано и ПОЧЕМУ. MA-SAPO превращает оценку в пошаговую диагностику: не просто «связность 3.2», а «связность 3.2 потому что переходы между абзацами резкие → причина: отсутствуют linking phrases → действие: добавь Additionally и However между блоками». Метод позволяет получить не интуитивные правки, а обоснованный план улучшения промпта. Три агента работают как медосмотр: первый измеряет показатели и объясняет («почему именно эти оценки»), второй ставит диагноз («слабые места и их причины»), третий выписывает рецепт («3-5 конкретных действий»). Каждая правка — не догадка, а вывод из reasoning.