ИИ-агенты входят в «петлю»: новый этап автономной работы в разработке кода
В мире ИИ наступает новая эра: автономные ИИ-агенты начинают работать в бесконечных «петлях», самостоятельно улучшая код и архитектуру. Борис Черный, создатель Claude Code, считает это таким же значительным шагом, как и переход от ручного написания кода к его генерации агентами.
Мир искусственного интеллекта переживает очередной прорыв: ИИ-агенты, которые ранее выполняли задачи по заданным инструкциям, теперь переходят к непрерывной автономной работе в так называемых «петлях». Этот подход позволяет ИИ-системам самостоятельно и бесконечно улучшать код, искать ошибки и оптимизировать архитектуру без постоянного вмешательства человека.
Ключевые факты
| Аспект | Описание |
|---|---|
| Что это? | Непрерывная автономная работа ИИ-агентов в «петлях» для самосовершенствования кода и архитектуры. |
| Кто сказал? | Борис Черный, создатель Claude Code, на конференции Meta @Scale. |
| Значимость | Считается таким же важным шагом, как переход от ручного кодирования к агентам, генерирующим код. |
| Применение | Постоянное улучшение кодовой базы, поиск дублирующихся абстракций, создание запросов на слияние (pull requests). |
| Опасения/Вызовы | Высокая стоимость из-за непрерывного потребления вычислительных ресурсов (токенов), необходимость контроля за «дрейфом» и расходами. |
Новая парадигма автономных агентов
Борис Черный, создатель Claude Code, выступил на конференции Meta @Scale, где ответил на вопрос о «петлях» с уверенностью: «Да, они реальны». По его словам, это следующий большой шаг в развитии ИИ, сравнимый по значимости с переходом от ручного написания кода к его генерации ИИ-агентами. Он подчеркнул, что они уже переходят к этапу, когда агенты подсказывают агентам, которые затем пишут код.
Черный на своем примере рассказал, как использует «петли» в своей работе. Один агент постоянно ищет способы улучшить архитектуру кода, в то время как другой ищет дублирующиеся абстракции, которые можно унифицировать. Они отправляют запросы на слияние (pull requests) так же, как и обычные программисты, и поскольку код постоянно меняется, их работа никогда не прекращается.
Как работают «петли»
По сути, «петля» — это авторизация целого «роя» агентов для непрерывной работы в фоновом режиме. В отличие от классических рекурсивных циклов в программировании, где есть четкое условие остановки, агентские «петли» следуют недетерминированной логике. Это означает, что субагент сам выбирает, когда остановить цикл, что делает подход более гибким и адаптивным.
Примером такой «петли» является «Петля Ральфа» (Ralph Loop), которая суммирует всю проделанную моделью работу и спрашивает, достигнута ли цель. Это помогает моделям ИИ не «теряться» при длительной работе, возвращая их к задаче до полного завершения.
Высокие затраты и огромные перспективы
Как и в случае с агентским ИИ, «петли» потребляют значительно больше вычислительных ресурсов (токенов), чем простые чат-боты. Поскольку цель состоит в том, чтобы «петля» работала постоянно, потолка расходов нет. Это может быть дорогостоящим решением для большинства компаний, но для таких игроков, как Anthropic, которые продают токены, это вполне приемлемо.
Тем не менее, потенциальные выгоды могут перевесить затраты. Возможность постоянного, автономного улучшения кодовой базы, оптимизации и поиска ошибок может значительно ускорить разработку и повысить качество программного обеспечения. Для студентов и будущих специалистов это означает, что понимание принципов работы ИИ-агентов и «петель» станет критически важным навыком. Образовательные программы должны будут адаптироваться, чтобы обучать работе с такими автономными системами, а также управлению их расходами и контролю за «дрейфом».
Влияние на образование и карьеру
Для студентов и специалистов в области ИТ, особенно в России и СНГ, эти изменения открывают новые горизонты. Понимание принципов работы с автономными агентами и методологий их использования в «петлях» станет востребованным навыком. Вузы и образовательные платформы могут начать включать эти концепции в свои программы, обучая студентов не только создавать ИИ, но и управлять им в сложных, саморазвивающихся системах. Это также создает новые карьерные пути в области надзора за ИИ, оптимизации расходов и обеспечения безопасности в автономных системах.
Источник: TechCrunch AI RSS, https://techcrunch.com/2026/06/22/the-ai-world-is-getting-loopy/
Связанные рубрики и темы
Если тема нужна для работы или подготовки, начните с ближайших разделов и инструментов.
