Устранение проблем с ИИ: как рабочий процесс RPI оптимизирует качество кода скачать в хорошем качестве

Устранение проблем с ИИ: как рабочий процесс RPI оптимизирует качество кода

🏗️ Контекстная инженерия: решение сложных задач в больших кодовых базах с помощью агентов ИИ 👤 Автор: Декс Хорти (HumanLayer) 🏷️ Темы: Разработка ИИ, Большие языковые модели (LLM), Жизненный цикл разработки программного обеспечения. 🚩 1. Введение: Проблема «недоработки ИИ» в проектах, находящихся на стадии разработки 📉 На волне развития программ для кодирования ИИ была зафиксирована суровая реальность: ИИ отлично работает с новыми проектами (greenfield), но часто терпит неудачу при работе со старыми и сложными кодовыми базами (brownfield). 📊 Текущая ситуация: 📉 Согласно опросу более 100 000 программистов, применение ИИ в текущем процессе часто приводит к «переделке» и «перераспределению кодовой базы» вместо повышения реальной производительности. 🗑️ Это явление называется «отстой» (slop) — исходный код низкого качества генерируется быстро, но его исправление требует больших усилий. 💡 Решение: Чтобы решить эту проблему, вместо того, чтобы ждать появления более совершенных моделей ИИ, нам нужно изменить способ взаимодействия с ними с помощью техники, называемой «контекстной инженерией». ⚙️ 2. Основной механизм: управление контекстным окном и «тупая зона» 🧬 Природа LLM 🎭 LLM (большая языковая модель) не являются чистыми функциями из-за своей недетерминированной природы, но они не имеют состояния. Единственное, что влияет на выходные данные, — это входные токены. Поэтому для достижения наилучших результатов необходимо оптимизировать входные данные (контекст). 📉 Концепция «тупой зоны» 📉 Важное наблюдение в области контекстной инженерии заключается в том, что производительность модели начинает снижаться при чрезмерном заполнении контекстного окна. 🚧 Критический порог: Примерно 40% от ёмкости контекстного окна. 🧠 Последствия: При превышении этого порога (зоны глупости) способность агента рассуждать и вызывать инструменты снижается, что приводит к некачественным ответам. 🗜️ Решение: Намеренное сжатие 🧹 Вместо того, чтобы позволить контексту бесконечно раздуваться ненужными журналами, файлами или длинными историями чатов, применяется метод намеренного сжатия: 📝 Попросите агента свести текущее состояние в краткий файл Markdown. 🔄 Инициализируйте совершенно новое контекстное окно. 📥 Загрузите файл с справкой в ​​новый контекст, чтобы агент мог продолжить работу с «чистой» памятью и максимальной производительностью. 🔄 3. Рабочий процесс RPI: исследование — планирование — реализация 🛡️ Чтобы избежать «слякоти» и поддерживать контекст в «умной зоне», процесс разработки программного обеспечения с использованием ИИ следует разделить на 3 четких этапа, называемых рабочим процессом RPI: 🔍 Этап 1: исследование 🎯 Цель: понять систему, найти нужные файлы и сохранить объективность. 🕵️ Действие: использовать команды поиска или субагенты для чтения кодовой базы. 📄 Результат: исследовательский документ, который служит «сжатым изложением истины» о кодовой базе. 🗺️ Этап 2: планирование 🎯 Цель: определить конкретные шаги, которые необходимо выполнить. 📋 Требования: план должен включать конкретные имена файлов, фрагменты кода, которые необходимо изменить, и стратегию тестирования. 📂 Результат: файл плана. Это «сжатое изложение намерений». ✨ Преимущества: Подробный план помогает даже менее интеллектуальным моделям работать правильно и без ошибок. 🚀 Этап 3: Реализация 💻 Действие: Реализация предложенного плана. 🛡️ Характеристики: Благодаря тщательному исследованию и планированию этот этап становится проще и менее рискованным. 🧠 4. Ментальное согласование: Синхронизация мышления человека и ИИ ⚠️ Распространённая ошибка — отдавать всё на откуп ИИ (аутсорсинг мышления). ИИ не может заменить мышление, он лишь усиливает ваше мышление (или его отсутствие). 🧑‍💻 Роль человека в цикле 🧐 Проверка плана: Вместо того, чтобы просто проверять финальный код (PR-разницу), инженеры должны проверять файл плана, сгенерированный ИИ. Это помогает своевременно выявлять логические ошибки и обеспечивает ментальное согласование (синхронизацию мышления) в команде. 🔗 Принцип: Одно неверное направление исследования приводит к неверному плану, а один неправильный план — к сотням строк «мусорного» кода. Поэтому вмешательство человека наиболее ценно на этапах исследования и планирования. 🏁 5. Заключение 🚀 Чтобы перейти от создания «мусора» к решению сложных проблем в уже существующих кодовых базах, инженерам-программистам необходимо: 🛠️ Использовать контекстную инженерию: Активно управлять тем, что попадает в контекстное окно. 🗜️ Применять сжатие: Регулярно сжимать контекст, чтобы избежать «тупой зоны». 🔄 Внедрять RPI: Чётко разделять этапы исследования, планирования и внедрения. 🧠 Никогда не переставайте думать: Используйте ИИ как инструмент для реализации намерений, а не как замену для понимания системы.