Vercel раскрыли главное преимущество Claude Code

Автор вводит проблему высокой стоимости использования ИИ-моделей через API из-за огромного потребления токенов. Решение предлагается искать в старой философии Unix, где «все есть файл», что позволяет упростить архитектуру систем. Инженеры Vercel отмечают, что такая структура является наиболее эффективной для современных агентов. Вместо сложных конвейеров предлагается использовать привычную иерархию файлов. Это закладывает фундамент для понимания того, как оптимизировать затраты на разработку ИИ-сервисов.

В этом разделе сравниваются три подхода к передаче данных модели: системные промпты, векторные базы данных и файловые системы. Векторный поиск часто теряет контекст и выдает лишь похожие, а не точные результаты, заставляя модель саму искать суть в блоках данных. Файловые системы, напротив, сохраняют иерархические связи и позволяют использовать команды grep и find для получения 100% точных совпадений. Это минимизирует объем данных, попадающих в память модели, и позволяет агенту сохранять фокус на задаче. Такой подход уже успешно реализован в CLI-агентах и Claude Code.

Спикер описывает реальный процесс валидации идей с помощью Claude Code, который управляется через специальный markdown-файл. Процесс разделен на шесть фаз, включая изучение сути инструмента и проверку по заданным критериям, а результаты автоматически сохраняются в структурированные отчеты. Использование файловой системы в этом сценарии автоматизирует рутинный ручной труд и гарантирует соблюдение единого стиля документов. Для желающих внедрить подобную систему упоминается сообщество AI Labs Pro, где доступны готовые шаблоны и промпты. Это демонстрирует, как теоретические принципы превращаются в работающий бизнес-инструмент.

Автор делится личным опытом создания агента для анализа корпоративных политик, используя модель Gemini 1.5 Flash. Вместо привычной векторной базы данных Chroma была внедрена архитектура от Vercel с доступом к системным командам ls, cat и grep. Проверка логов показала, что агент успешно находит точную информацию о регламентах, работая с эффективностью полноценной RAG-системы. Исходный код проекта открыт для тестов, что позволяет разработчикам самостоятельно убедиться в мощи данного метода. Это подтверждает универсальность подхода не только для кода, но и для любых текстовых данных.

Безопасность выполнения кода на сервере является критическим вопросом, особенно учитывая известные уязвимости в веб-фреймворках. Спикер объясняет, что агент работает в изолированной песочнице и имеет доступ только к строго определенной директории, не затрагивая продакшн-систему. Существует два уровня изоляции: легкая среда «в памяти» для высокой скорости и полноценная виртуальная машина Vercel Sandbox для максимальной защиты. Выбор между ними зависит от конкретных бизнес-задач и требуемого уровня гарантий. Таким образом, решается главная проблема доверия к автономным агентам.

Несмотря на преимущества, bash-подход не является универсальным решением для всех задач. Он плохо справляется с хаотичными файловыми структурами и не заменяет семантический поиск, если запросы пользователей слишком запутаны или требуют поиска «по смыслу». Автор рекомендует использовать bash-инструменты для структурированных данных и четких запросов, а RAG — для контекстного поиска. В конце видео упоминается спонсор Brilliant как платформа для развития инженерного мышления через практику. Видео завершается призывом к поддержке канала и анонсом новых материалов.