Панель обсуждения: Кодирование для будущего

하이라이트

• Будущее кодирования сосредоточено на ИИ-агентах, которые автоматизируют не только написание кода, но и тестирование, документацию и все этапы разработки ПО

• Локальные и облачные решения будут постепенно сливаться, но в настоящее время облако лучше подходит для небольших задач, а локальные решения - для сложных и требующих пристального контроля

• Открытые модели быстро развиваются и становятся всё более жизнеспособны для специализированных задач, хотя закрытые модели остаются лучше для сложного рассуждения и неопределённых проблем

• ИИ-агенты - это инструменты усиления мастерства, которые повышают планку для начинающих и позволяют опытным инженерам работать в 10 раз быстрее с высоким качеством

• Качество и надёжность генерируемого контента зависит от чёткости и подробности инструкций, которые даёт пользователь - дробовый результат получается при расплывчатых указаниях

• В следующем году агенты смогут выполнять 100-200+ шагов подряд для многочасовых задач и проактивно находить необходимые источники контекста без явного указания пользователя

• В корпоративной среде сложилась эффективная модель: старшие инженеры пишут подробные спецификации, младшие передают их агентам, что оптимизирует использование человеческого капитала

타임라인

1. 00:00 - 01:10

   Введение и представление участников панели

   Панель открывается с приветствия и представления трёх ключевых участников дискуссии о будущем ИИ-кодирования. Ведущий рассказывает о позиции каждого из представителей в индустрии: Матан из Factory, который работает над автономными агентами разработки (дроидами), представитель OpenAI, работающий над Codex, и третий участник. Обсуждение фокусируется на том, как различные компании подходят к созданию ИИ-агентов для кодирования. Участники также обсуждают, что их объединяет общее видение будущего разработки ПО, где ИИ-агенты берут на себя не только кодирование, но и документацию, тестирование и другие рутинные задачи разработки.

2. 01:10 - 02:52

   Миссия Factory и развитие Codex: полнофункциональные ИИ-агенты для разработки

   Матан объясняет миссию Factory - внедрение автономности в разработку ПО через создание полнофункциональных агентов (дроидов), которые охватывают весь цикл разработки, включая кодирование, документацию, тестирование и проверку кода. Представитель OpenAI описывает эволюцию Codex: от Codex CLI, работающего локально, к Codex Cloud для облачного выполнения, и к объединению обеих возможностей. Он упоминает недавный выпуск Codex SDK для Dev Day и новый класс приложений, использующих агентов не только для кодирования, но и для решения общих задач с использованием встроенных примитивов вроде песочниц. V0 представляется как инструмент, позволяющий разработчикам использовать программирование на основе предпросмотра и агентов, позволяя работать напрямую с запущенным приложением без необходимости управления dev server.

3. 02:52 - 06:21

   Локальные vs облачные решения: когда использовать каждое и будущее их конвергенции

   Участники обсуждают важный вопрос о балансе между локальными и облачными решениями для ИИ-агентов. Матан утверждает, что в конечном итоге агенты должны быть полезны одинаково, независимо от местоположения, подобно людям-коллегам. На данный момент облачные решения лучше подходят для простых, чётко определённых задач, которые можно безопасно делегировать, а локальные - для сложных или длительных задач, где нужен пристальный контроль. Второй спикер добавляет, что выбор между локальным и облачным зависит от расположения ресурсов: если вы работаете с локальной файловой системой, цикл агента должен работать локально; если обращаетесь к облачным ресурсам (GitHub, сторонние репозитории), агент должен стартовать в облаке. В идеальном будущем цикл агента будет работать везде, а инструментальные вызовы будут передаваться между облаком и локальным хранилищем.

4. 06:21 - 09:04

   Вопрос о качестве генерируемого контента и опасность пузыря ажиотажа

   Участники обсуждают критический вопрос о том, является ли много генерируемого контента (муллой) источником реальной ценности или это признак пузыря ажиотажа на пути к общему ИИ. Они приходят к выводу, что качество зависит от чёткости инструкций: если просто сказать агенту 'построй приложение', результат будет средним; но если методично и точно указать требования и предоставить инструменты для тестирования, результат становится структурированным. Метафора с наймом младшего инженера показывает, что без подробной спецификации любой исполнитель выдаст среднее качество. Участники подчёркивают, что ИИ-агенты - это форма рычага (leverage): опытные инженеры могут писать вместо 5000 строк в день уже 50 000 строк с агентами, благодаря качеству введённых данных и знаний. Для начинающих разработчиков даже общее качество улучшает результаты, поскольку агент может делать намного больше, чем они вручную.

5. 09:04 - 13:06

   Парадокс принятия агентов: молодые разработчики vs опытные инженеры

   Обсуждение выявляет интересную бимодальность в принятии ориентированной на агентов разработки в корпоративной среде. Молодые разработчики более открыты к использованию агентов, но им не хватает опыта в делегировании работы, тогда как опытные инженеры имеют сильные навыки в написании детальных спецификаций и понимают, что неточные указания приводят к проблемам. Участники замечают эффективную модель в предприятиях: старшие инженеры пишут подробные тикеты с полной спецификацией, передают их младшим инженерам, которые затем передают их агентам. Это позволяет переместить фокус опытных инженеров на архитектурные решения и проектирование систем, а не на рутинную реализацию. Factory активно пропагандирует эпоху разработки, ориентированной на агентов (agent-driven development era), которую можно найти на их сайте. Обсуждается терминология: 'повысить планку' означает предоставить людям больше ресурсов и возможностей, независимо от исходного уровня навыков.

6. 13:06 - 20:17

   Открытые vs закрытые модели: текущее состояние и траектория развития

   Участники обсуждают важную роль открытых моделей в ИИ-кодировании и стратегию использования как открытых, так и закрытых моделей. Матан упоминает, что при тестировании открытых моделей (особенно GLM) результаты были удивительно хороши - менее производительны, чем передовые модели, но не на большую разницу. Он отмечает позорный факт, что из семи топ моделей в тестировании только одна была разработана в США, тогда как практически все передовые (frontier) модели - американские. Второй спикер поясняет, что используют открытые и закрытые модели для разных целей: закрытые модели для неопределённых задач, требующих высокого уровня рассуждения; открытые - для нишевых задач с ясной целевой функцией, которые можно настроить. Они обнаружили, что открытые модели развиваются очень быстро - полтора года назад было немыслимо их использовать в v0, а сегодня на каждом этапе конвейера рассматривается возможность замены закрытых моделей на тонко настроенные открытые. С момента запуска поддержки открытых моделей процент их использования резко возрос, частично из-за стоимости и большего контроля.

7. 20:17 - 21:00

   Рост использования открытых моделей и будущие тренды рынка

   Участники обсуждают текущий и прогнозируемый рост использования открытых моделей на рынке. Матан вспоминает, что год назад (в начале года) в подкасте BrainTrust упоминалось, что открытые модели составляют примерно 5% использования и это число снижалось. Сейчас разумно предположить, что этот процент находится в диапазоне 10-20% для всех приложений. Участники отмечают, что закрытые модели также активно инвестируют в свои облегчённые версии (Haiku, GPT-4 Mini, Gemini Flash), которые конкурируют с открытыми и тонко настроенными моделями. Обсуждается ключевая точка: при избыточном использовании передовой модели пользователи будут мотивированы перейти на что-то более быстрое и дешёвое. Модели с открытым исходным кодом достигли порога, когда они достаточны для большинства задач, что приводит к увеличению спроса. Ожидается, что в будущем использование открытых моделей будет расти, поскольку они продолжают развиваться очень быстро и пересекают критические пороги производительности.

8. 21:00 - 23:56

   Будущее возможностей агентов: масштабируемость, надёжность и проактивность

   Участники обсуждают, что именно не могут делать агенты сегодня и что они смогут делать в будущем. Первый спикер подчёркивает эволюцию: год назад модель o1 была хороша для отдельных задач, но сегодня можно ставить чётко определённые задачи продолжительностью в две строки и вернуться через 30 минут с готовым результатом. Агенты уже работают многие часы (7-8 часов за раз), что позволяет делегировать значительные объёмы работы. Однако полное инженерское мастерство включает не только кодирование и архитектуру, но и документацию, коммуникацию и убеждение людей - это области, где агенты нужны улучшения. Второй спикер описывает два ключевых направления развития: количество шагов, которые агент может выполнить надёжно (год назад 1-3 шага с 90% успешностью, сегодня 5-20 шагов, в следующем году ожидаются 100-200+ шагов для многочасовых задач), и доступность ресурсов (год назад только промпт-инжиниринг, сегодня MCP-подключения и API-вызовы, в следующем году агенты будут проактивно находить нужные источники контекста). Третий участник согласен, что агенты в принципе могут делать всё, но степень надёжности и проактивности зависит от конфигурации среды пользователем.