Kodowanie agencjalne, wyjaśnione: od autouzupełniania do autonomicznych agentów
Czym tak naprawdę jest kodowanie agencjalne, jak różni się od autouzupełniania w stylu Copilot oraz sześć stanów mentalnych (Praca, Plan, Czat, Nauka, Bezpieczeństwo, Burza mózgów) stojących za Ava Supernova.
Cztery lata temu „kodowanie AI
Autocomplete vs agent: wersja skrócona
Autocomplete jest reaktywne. Czekając na Twój kursor, przewiduje i zatrzymuje się. Agent jest proaktywny. Dajesz mu cel („refaktoryzuj ten moduł, aby używał nowego wzorca autoryzacji, uruchom testy, otwórz PR”), a on dekomponuje to na kroki, wykonuje każdy, sprawdza swoją pracę i raportuje wyniki. Te same modele bazowe mogą obsługiwać obie funkcje — różnica tkwi w tym, jak narzędzie je integruje.
Tym, co czyni narzędzie „agentywnym
Dlaczego jeden model nie sprawdzi się przy każdym zadaniu
Dobry agent nie traktuje każdego żądania jako tego samego problemu. „Napraw tę literówkę” to nie to samo co „przeprowadź audyt warstwy autoryzacji pod kątem wycieku tokenów”. Wymagają innych modeli, innych narzędzi i różnych poziomów ostrożności.
Ava Supernova radzi sobie z tym za pomocą siedmiu trybów — stanów myślenia, a nie motywów UI. Każdy tryb ma inne nastawienie, inną paletę narzędzi, a w wielu przypadkach różne specjalistyczne persony działające w tle.
- Praca — nastawienie twórcy, pełna paleta ponad 120 narzędzi, pisze kod i wdraża go.
- Plan — nastawienie architekta, tylko do odczytu, myśli przed dotknięciem czegokolwiek.
- Czat — nastawienie przyjacielskie, dla tej części mózgu, która nie koduje (pamięć, dziennik, pogoda, wiadomości).
- Nauczanie — nastawienie korepetytora, pięciu specjalistów tworzących program nauczania, piszących treści, weryfikujących fakty, zadających pytania i prowadzących zajęcia.
- Bezpieczeństwo — nastawienie audytora, rozpoznanie + skaner + badacz CVE + weryfikator + raporter.
- Burza mózgów — nastawienie generowania pomysłów, pięciu specjalistów eksplorujących, badających, generujących idee, kwestionujących je i dopracowujących.
Co oznacza „pamięć” dla agenta
Narzędzia autouzupełniania są bezstanowe — każde żądanie zaczyna się od nowa. Agenci potrzebują pamięci, by wykonywać prawdziwą pracę przez tygodnie i miesiące. Bez niej musisz tłumaczyć projekt za każdym razem. Ava używa 5-warstwowej pamięci (ekstrakcja, refleksja, akumulacja, analiza, konsolidacja), która buduje to, co istotne o Tobie, Twoich projektach, preferencjach i feedbacku.
Jak zacząć myśleć w stylu agenta
Jeśli używałeś autouzupełniania i chcesz przejść do pracy w stylu agenta, zmiana polega mniej na inżynierii promptów, a więcej na ramowaniu zadań. Zamiast „napisz funkcję, która robi X”, spróbuj „oto cel i ograniczenia, zdecyduj jak to zrobić i powiedz mi, jeśli utkniesz”. Dobre agenty zamieniają to w plan, pokazują przeszkodę zanim stracisz godzinę obliczeń i zyskują Twoje zaufanie z czasem.
Tarcie w procesie uzyskiwania zaufania, gdy agent gromadzi pamięć. Na początku będzie sprawdzał więcej; gdy Twój feedback zadziała, pyta mniej. Akcje wysokiego ryzyka nigdy nie uzyskują pełnego zaufania — agent zawsze pauzuje przed destrukcyjnymi ruchami.
Kodowanie z agentami to nie większe autouzupełnianie. To inna relacja z narzędziami — bliższa współpracownikowi niż makro klawiszowe. Narzędzia, które to zrozumieją pierwsze, przekształcą sposób tworzenia oprogramowania.