Кодинг с AI-агентами: пять ключевых понятий

Что в ролике
Автор начинает с реального кейса: пилот по профессии управлял несколькими AI-агентами в фоне — разработчиком, ревьюером и операциями — и утверждал код прямо с телефона. Первая концепция — «точка перелома»: задачи, которые раньше занимали недели или месяцы, теперь выполняются за несколько минут, а одиночный промпт или цикл позволяет агенту изучить кодовую базу, написать и прогнать тесты и влить изменения. Вместо долгих переговоров с моделью через промпты предлагается spec-driven development: сначала описываются требования и ожидаемые результаты, затем спецификация отправляется агенту для создания проекта и артефактов. Роль разработчика смещается от написания кода к роли дирижёра: нужно ставить цели, разбивать работу на этапы и принимать архитектурные решения, которые повлияют на софт через год. Для этого нужны context engineering и loop engineering — понимание ограничений контекстного окна, инструментов, навыков и MCP-серверов, а также проектирование рекурсивных циклов, где человек задаёт цель, а агент итерирует до завершения. Автор объясняет базовые вещи про LLM: модель не чувствует время и память как человек, поэтому один и тот же запрос может дать оценку «от нескольких недель до месяцев» на создание RPG, а агент — рабочий прототип за 5 минут; полезно понимать загрузку весов в память GPU и KV-кеш при инференсе. Отдельно он предупреждает о prompt injection: агент с доступом к данным и вебу может прочитать вредоносный pull request и отправить учётные данные злоумышленнику, поэтому команды запускают агентов в одноразовых песочницах, чтобы уменьшить поверхность атаки. Финальная мысль: AI становится «новым электричеством», и появятся инженеры, которые поддерживают эту инфраструктуру, обеспечивают доступ, безопасность и качество.
Практика
- Что получишь
- Понимание пяти сдвигов в разработке с AI-агентами: от перехода к спецификациям и оркестрации агентов до рисков prompt injection и новых ролей для инженеров.
- Первый шаг
- Начните с описания спецификации требований для небольшой задачи и передайте её AI-агенту в изолированной среде.
- Цифры
- —5 ключевых понятий разбираются в ролике
- —5 минут — за такое время агент собрал рабочий пример RPG, хотя модель оценивала разработку такой игры в несколько недель или месяцев
- —1 год — горизонт, на который должны влиять архитектурные решения разработчика-дирижёра
- Честно
- Явной рекламы продуктов или курсов в ролике нет, но канал принадлежит IBM Technology, и ролик работает на бренд компании. В конце автор просит поставить лайк и подписаться. Повторять по нему нечего: это концептуальный обзор, конкретные команды и настройки не показаны.
Если слова незнакомы — 12 терминов
- агентпрограмма, которая сама выполняет задачи по инструкции, например пишет код или проверяет изменения
- промпттекстовое задание, которое человек даёт модели
- spec-driven developmentподход, при котором сначала пишут спецификацию требований и ожидаемых результатов, а затем передают её агенту
- context engineeringуправление тем, что попадает в контекст модели: кодовой базой, инструментами, навыками и внешними данными
- loop engineeringпроектирование цикла, где человек задаёт цель, а агент сам итерирует до её достижения
- контекстное окнообъём информации, который модель может учесть при одном запросе
- MCP-серверспособ подключать к агенту внешние данные и инструменты
- LLMбольшая языковая модель, на которой построены агенты
- KV-кешкэш промежуточных результатов, который модель хранит при генерации ответа, чтобы не пересчитывать их
- инференсвыполнение модели для получения ответа
- prompt injectionатака, при которой вредоносная инструкция заставляет агента выдать данные или выполнить нежелательное действие
- песочницаизолированная среда, где агент работает без доступа к важным системам
Связки из этого ролика
3 шт.- Java
- Python
- Rust
Компоненты
1 шт.Формат: разбор · для практикующих · уверенность разметки 0.9 · источник