Автор делится актуальной конфигурацией своей среды для агентной разработки, демонстрируя переход от простых чат-интерфейсов к полноценным автономным рабочим процессам. В основе сетапа лежит комбинация локальных LLM для быстрых задач и мощных облачных моделей для архитектурного проектирования, интегрированных через специализированные IDE-плагины и оркестраторы, позволяющие агентам самостоятельно управлять файловой системой и тестированием кода.
Современный подход к агентному кодингу смещается в сторону глубокой интеграции с контекстом проекта. Вместо того чтобы полагаться на общие знания модели, система активно использует RAG-индексацию всей кодовой базы, что позволяет агенту учитывать зависимости между модулями при внесении изменений. Важную роль играет и механизм «человека в цикле», где агент готовит план действий и изменения, а разработчик выступает в роли ревьюера, одобряя или корректируя предложенные коммиты.
Особое внимание уделяется автоматизации тестирования: агент не просто пишет код, но и запускает тесты, анализирует логи ошибок и самостоятельно исправляет возникшие баги до того, как код попадет в основной репозиторий. Такой подход минимизирует рутинные операции и позволяет сфокусироваться на высокоуровневом проектировании систем, делегируя написание шаблонного кода и отладку специализированным агентным инструментам.
Ключевые факты
- Использование гибридной модели инференса: локальные модели для низкоуровневых задач и облачные API для сложных логических цепочек.
- Интеграция RAG-систем для индексации локальных репозиториев, обеспечивающая агентам понимание контекста всей кодовой базы.
- Автоматизированный цикл «написание кода — запуск тестов — анализ ошибок — исправление», встроенный в рабочий процесс IDE.
- Переход от модели «чат-бот» к модели «автономный агент», управляющий файловой системой и процессами сборки проекта.