В этом как раз и будет заключаться разница между джуном, мидлом и синьором в пост-AI эпоху. Джун до 3х потоков, мидл до 7-8. Синьор 10+. Секрет в управлении самими процессами и походом к проектированию. Надо запускать долгие процессы, чтобы не дергало каждые 15 минут.
@IC12358@EugeneJesovile@lysak_online Да есть еще одна история, которая в ворктрии работает плохо - если хочешь, чтобы агенты взяли, подняли например бэк и фронт на своих изменениях и проверили работы.
@nastyhobbit@mkashkin Ну если возникла необходимость а блокирующей очереди - там явно не примитивная история :)
Для меня примитив - просто общения в чате без каких-либо вменяемых рамок.
Но как начинаешь строить процессы, а уж тем более саппортить их на дистанции - самый «сок» и появляется.
По закону Амдала с точки зрения использования ресурсов блокировки всегда хуже, чем non-blocking процессы.
Но и проблема при работе 10-15 агентов может вылезать на счет раз.
Вместо добавления блокирующий очереди я выбрал для себя другие компромиссы:
Проекты растут, полные проверки становятся тяжелее.
Рост продуктивности при работе с ИИ привел к тому, что в параллели работает несколько агентов каждый в своем worktree: исправляет код, добавляет/меняет что-то, пишет тесты. Пока задачи независимы, всё хорошо. Но узкое место возникает тогда, когда надо влить изменения в основную ветку.
С объединением изменений возникает ещё один круг: одна ветка попадает в master, остальным нужно обновиться и снова пройти проверки. Пока они проверяются, вливается следующая ветка — и часть работы приходится повторять. Добавьте сюда постоянные проверки статуса и переговоры между агентами: на координацию уходят и время, и токены.
Меня это начало тормозить. Поэтому для локальной работы я сделал Monohero — небольшую локальную очередь для таких процессов. Агенты вместо того, чтобы все запускать параллельно, занимают место в очереди и останавливают свою работу. После того как шаг требующий ресурсов полностью исполнен monohero вызывает следующего агента, чтобы он выполнил свою узкую задачу. Остальные замирают и ждут своего места.
Для каждого проекта можно завести отдельную очередь, если вы работаете в параллели с несколькими проектами и в разных worktree.
Monohero не отменяет проверки, гардрейлы или хуки. Он просто упорядочивает локально использование ресурсов.
Написал его на Rust — хотелось немного поэкспериментировать с языком, тем более что становится прохладно и в чулках теплее.
Забрать можно туц https://t.co/G7YmfL1C4u
Можно либо юзать свое, либо взять за основу ретро от Pocock, либо искать системы памяти, которые умеют улучшать скилы, правила, процессы агентов.
И кстати, доступ до всей памяти - скорее зло, особенно на дистанции
Весьма хорошо работает система self-improvement но обязательно с человеческим гейтом. Уже после второго цикла улучшений объем «высера» сильно снижается.
- клод, почему ты сделал так? я не вижу смысла в этом вообще, объясни
- *гигантский высер на 100% состоящий из воды*
- я не буду читать этот высер, скажи прямо, что причины нет, и что ты высрал это говно не думая
- да, я высрал это говно не думая
я не понимаю как с этим бороться
Дискуссионная история конеш, но у меня укоренилась привычка, что non-blocking синки всегда лучше юзают ресурсы, чем выстраивание блокирующих очередей в каком-либо виде.
- В рамках процесса оркестратора обязательно вливание свежего develop и проверка тестов на последней версией кода перед созданием PR
Но все равно код успевает устаревать и мердж конфликты возникают и потому есть типовой микро-процесс его резолва
Полируется это все необязательностью применения скиллов или сложностью включения каких-то этапов в нужный момент времени - например, зачем агенту знать, как завершать работы над задачей с самого начала? Древовидность помогает только от части
В AI SDLC в целом проблема, что в скиллы пытаются засунуть все подряд. Как способность, что-то делать, так и процессы - как это делать.
Тут и происходит основной конфликт.
Процессы требует большего контроля, включая возможность переопределять системные промпты.
Мы, видимо, по-разному работаем с проектами.
Один из моих примеров, почему мне приходится создавать monohero.
Сейчас у меня в фоне работает сессия, которая пишет порядка 200 адаптеров. Каждый из адаптеров это длинный процесс: декомпиляция, реверсинжиниринг, извлечение схемы API, сравнение версий API при выходе нового приложения, в этом случае выпуск новых версий адаптера, при этом еще бывает запуск целевого приложения в специальном эмуляторе для проверки работы и сравнения оттиска клиентов, MITM прокси для перехвата трафика.
И как результат получается код на python, который позволяет эмулировать взаимодействие с целевым провайдером по множеству разных протоколов.
Реализация и работа с этими адаптерами это одна /goal команда. Которая по мере готовности новых адаптеров вливает в мастер проекта новые куски кода. Которые оркестрируются через планировщик, попадают на дашборды, в базу и т.д.
И эта цель работает дни. Иногда ускоряется, иногда может зарываться и делать тяжелые разборы. И если она прямо активно двигается, то частый мердж/ревью цикл может забить все оставшиеся ресурсы на машине.
Поэтому мне требуется более сложный инструментарий вместо скиллов.
Вообще хочется честно поговорить по поводу скиллов. Пусть это будет звучать цинично, но если я с кем-то обсуждаю какую-то задачу и слышу, что она решается скиллами, то я понимаю, что мы вообще находимся в разных временных рядах.
У меня вообще нет скиллов. Скиллы, как и mcp — это brainslug антипаттерн. Мне видится это как практика и прослойка для непритязательных новичков.
Более того, сколько бы я ни читал примеры скиллов онлайн, особенно которые рекламируют какие-то инфлюенсеры, я не вижу в них ничего ценного. Скиллы это самый примитивный способ работы с агентами.
Вам в реальности не нужно ни одного скилла. У меня есть один для постановки описания задачи, но только потому, что скилл базовичок из коробки хороводинга не может быть сложным. Даже все стандартные review скиллы уже достаточно хороши, чтобы не задумываться о том, чтобы тут что-то улучшать.
Но зато я могу совершенно спокойно готовое удачное решение использовать повторно, даже в другом проекте. Например, если я попрошу в каком-то чате между делом настроить новый сервер, то хороводинг настроит firewall, sshd, unattended-upgrades, создаст стандартного пользователя, под которым происходит деплой, и даст ему права на директорию для выкладки приложений без моего напоминания.
У меня нет лишних бюджетов на токены и я не могу оказываться в ситуации, когда после одного запроса тратится 70% лимита. Более того, собирая обратную связь от коллег, появляется наблюдение, что программист, который скажет, что у него "80 скиллов, которые решают все проблемы", с большой вероятностью не пройдет на своем окружении кодовый этап собеседования. Пока не готов это утверждать, но статистика набирается именно такая.
В общем делюсь своим мнением.
При этом ни один проприетарный харнес такой возможности не дает (да и тюнить системные промпты - отдельное искусство). В итоге все в скиллах и это прямо боль, о которой не всегда догадываются. Один compaction чего стоит.
А еще это можно назвать детерминированным оркестратором и это реально один из основных сценариев применения ИИ, к которому еще не все пришли :) кажется, что с ИИ напрямую проще
Придумал новую концепцию — Zero Agent Loops, или сокращённо ZA Loops.
Смысл в том, что огромное количество рутинных процессов можно гораздо дешевле и надёжнее автоматизировать при помощи старых добрых алгоритмов, без ИИ-агентов.
Сами алгоритмы, разумеется, будут проектировать ИИ-агенты.
Давайте разберём короткий пример и сварим бизнес-процесс из семи ZA Loops:
@opencode 1.18+ принес новый дизайн 2.0, который не поддерживает Worktrees и полностью сломал для меня работу.
Хотя web mode под worktrees сломан вообще начиная с версии 1.17.12 - постоянно бага падает при переключениях между агентами, но тут даже решили не напрягаться.
@Strongcomic3_3 Да, такова реальность, я бы даже сказал не совсем ревьювер, а строитель заборов - максимально огородить тестами и проверками, чтобы до ревью доходило то, что в 80% без замечаний принимаешь. Уменьшая количество циклов с отправкой на AI доработку - снижается когнитивная нагрузка.