Как управлять 30 AI-агентами: Повышение продуктивности кодинга в 10 раз с Gastown
TuBrief 편집팀
2026년 2월 25일
0
Computing/Software원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
커뮤니티의 다른 글
댓글 (0)
Log in to leave a comment
아직 작성된 글이 없습니다
원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
Log in to leave a comment
아직 작성된 글이 없습니다
Эра простых чат-ботов, у которых вы спрашиваете код и ждете ответа, подошла к концу. Claude Code или GitHub Copilot — отличные помощники, но они слишком медленны и линейны для внесения изменений в корпоративные системы, где переплетаются сотни файлов. Доверять всё одному AI, который теряет контекст и путается при длительных сессиях, теперь является лишь узким местом в производительности.
Наступила эпоха оркестрации агентов. Open-source проект Gastown, предложенный Стивом Йегги (Steve Yegge), нацелен на создание системы «фабрики кода», которая одновременно запускает более 30 AI-агентов для декомпозиции функций и параллельной сборки. Теперь вы должны быть не просто кодером, а оркестратором, командующим целой армией AI.
Gastown — это не просто обертка над AI. Он использует принципы распределенных вычислений, чтобы решать проблему нестабильности отдельных агентов через структуру системы. Ключ заключается в четком разделении ролей и дроблении задач на атомарные единицы.
Суть этой структуры — в отказе от Vibe Coding (кодинга «на ощупь»). Gastown физически блокирует агентам возможность прямого коммита в основную ветку через систему хуков PreToolUse. Весь код пишется в отдельных фича-ветках и интегрируется только после прохождения строгой проверки тестами в «рафинерии» (Refinery).
Бросать десятки агентов на любую задачу — это пустая трата бюджета на API. Мощность должна распределяться грамотно, в зависимости от сложности задачи.
| Масштаб проекта | Состав агентов | Ключевая стратегия использования |
|---|---|---|
| Малый (исправление багов) | 1 Мэр + 1~2 Полевых кота | Фокус на инструкциях и проверке результата, а не на ручном кодинге |
| Средний (новый API) | 1 Мэр + 5~10 Полевых котов | Параллельная работа над фронтендом и бэкендом |
| Крупный (изменение архитектуры) | 1 Мэр + 20~30 Полевых котов | Развертывание агентов-свидетелей (Witness) для решения заторов в реальном времени |
При масштабных миграциях использование 30 агентов сокращает задачу, которая заняла бы 6 часов ручного труда, до примерно 20 минут. Однако это требует оптимизации распределения моделей. Поручите высокопроизводительные модели, такие как Claude 3.5 Sonnet, Мэру, отвечающему за проектирование, а для простых реализаций или тестов назначьте Полевым котам экономичные модели, такие как Gemini, чтобы максимизировать эффективность затрат.
Предположим, нам нужно добавить JWT-авторизацию в приложение на Go. Процесс управления армией одной командой выглядит так:
gt mayor attach.gt convoy list.gt status и утвердите его.Если работа идет не гладко, сначала проверьте окружение. Критически важно убедиться, что версия Dolt не ниже 1.82.4. Старые версии вызывают ошибки синхронизации базы данных Git, что ведет к конфликтам между агентами. Также, если есть проблемы с запуском демона, проверьте через tmux -V, что версия выше 3.0, и выполните gt doctor --fix для инициализации среды.
Запуск 30 AI-агентов одновременно означает, что вы больше не печатаете код вручную. Теперь реальное мастерство инженера заключается в том, насколько детально он фиксирует архитектурные решения в руководствах, таких как CLAUDE.md.
Агенты — прекрасные помощники, но без должного управления они подобны сверхразумным шимпанзе, способным парализовать систему. Обязательно запускайте их в изолированных экспериментальных стендах (Rig) и устанавливайте лимиты на расходы API. Чтобы не устать от проверки десятков PR вручную, назначьте дополнительного агента на роль «шерифа PR», который будет фильтровать синтаксические ошибки и непройденные тесты на первом этапе. Ваша фабрика программного обеспечения готова к запуску.