Coding agenziale, spiegato: dall'autocomplete agli agenti autonomi

Quattro anni fa, 'AI coding' significava autocomplete: un modello indovinava la prossima riga di codice basandosi sul contesto del cursore. Ora significa qualcosa di molto più grande. Gli strumenti di coding agenziale pianificano cambiamenti multi-file, eseguono test, leggono log, chiamano API, scrivono pull request e decidono quando fermarsi e chiederti una domanda. Il divario tra le due categorie è più grande di quanto molti sviluppatori realizzino.

Autocomplete vs agente: la versione breve

Autocomplete è reattivo. Aspetta il tuo cursore, predice e si ferma. Un agente è proattivo. Gli dai un obiettivo ('refactor this module to use the new auth pattern, run the tests, open a PR'), e lo scompone in passaggi, esegue ciascuno, controlla il proprio lavoro e riferisce indietro. Gli stessi modelli sottostanti possono fare entrambe le cose — la differenza sta in come lo strumento li avvolge.

Ciò che rende uno strumento 'agenziale' è un ciclo: pianifica, agisci, osserva, decidi. Ad ogni turno l'agente sceglie uno strumento (leggi un file, scrivi un file, esegui un test, cerca sul web, chiediti), lo esegue, guarda il risultato e decide cosa fare dopo. Sessanta chiamate di strumento per chiudere un ticket è normale.

Perché un modello non va bene per ogni richiesta

Un buon agente non tratta ogni richiesta come lo stesso tipo di problema. 'Correggi questo errore di battitura' non ha la stessa forma di 'audita lo strato auth per perdite di token.' Vogliono modelli diversi, strumenti diversi e quantità diverse di cautela.

Ava Supernova gestisce questo con sette modalità — stati di pensiero, non skin UI. Ogni modalità ha una mentalità diversa, una palette di strumenti diversa e, in molti casi, diverse persone specialiste che girano sotto.

• Work — mentalità di costruttore, la palette completa di oltre 120 strumenti, scrive codice e lo rilascia.
• Plan — mentalità di architetto, sola lettura, pensa prima di toccare qualsiasi cosa.
• Chat — approccio da amico, per la parte non-coding del tuo cervello (memoria, diario, meteo, notizie).
• Insegna — approccio da tutor, cinque specialisti che creano un programma, scrivono contenuti, verificano i fatti, fanno quiz e istruiscono.
• Sicurezza — approccio da auditor, ricognizione + scanner + ricercatore CVE + verificatore + reporter.
• Brainstorm — approccio di ideazione, cinque specialisti che esplorano, ricercano, generano idee, le sfidano e le affinano.

Cosa significa "memoria" per un agente

Gli strumenti di autocomplete sono privi di stato — ogni richiesta parte da capo. Gli agenti necessitano di memoria per svolgere lavoro reale nel corso di settimane e mesi. Senza di essa, devi riesplicare il progetto ad ogni sessione. Ava utilizza una memoria a 5 livelli (estrarre, riflettere, accumulare, analizzare, consolidare) che costruisce ciò che conta riguardo a te, ai tuoi progetti, alle tue preferenze e ai feedback che hai fornito.

Come iniziare a pensare in modo agente

Se hai utilizzato l'autocomplete e vuoi evolvere verso un lavoro in stile agente, il passaggio riguarda meno l'ingegneria dei prompt e più l'inquadramento del compito. Invece di "scrivi una funzione che fa X", prova "ecco un obiettivo e i vincoli, decidi come raggiungerlo e fammi sapere se incontri un ostacolo". I buoni agenti trasformano questo in un piano, segnalano l'ostacolo prima che sprechi un'ora di calcolo e conquistano la tua fiducia nel tempo.

L'attrito nel richiedere fiducia graduale mentre l'agente accumula memoria. All'inizio controllerà di più; man mano che i tuoi feedback arrivano, chiede meno. Le azioni ad alta posta in gioco non si graduano mai — l'agente fa sempre una pausa prima di mosse distruttive.

La programmazione agente non è un autocomplete più grande. È una relazione diversa con i tuoi strumenti — più simile a un collega che a una macro da tastiera. Gli strumenti che comprenderanno questo per primi ridisegneranno il modo in cui il software viene costruito.