Найти, изменить и доказать: как внутри устроены кодовые агенты
Доклад принят в программу конференции
Целевая аудитория
Тезисы
Большинство обсуждений кодогенерации агентами сводится к вопросу "а какая модель лучше", при том, что большую часть времени агенты код не пишут, а ищут и проверяют его.
В докладе мы заглянем под капот кодовых агентов и постараемся разобраться чем код похож и чем отличается от текста, как классический поиск стал завить от LLM и почему агенты вернулись к инструментами типа grep из 1973 года. Обсудим как экономика KV-cache диктует архитектуру агентов, как RL учит модели находить код и почему те начинают взламывать среду, в которой их проверяют.
А также почему мы сами захотим писать другой код: скучный, предсказуемый и легко проверяемый.
Мастер спорта по AI-first разработке и энтерпрайз вайб-кодингу: люблю копаться внутри технологий и тулинга кодогенерации, строить evals/harness, считать экономику и эффективность команд в пост-LLM эпоху и участвовать в пересборке того, как вообще будут выглядеть процессы создания продуктов в новой реальности.
Глубоко разбираюсь в агентах и не могу спокойно спать, когда одновременно есть недоутилизированные токены и нерешенные задачи. Помимо агентологии, верю в голос как интерфейс и автономные системы с минимальным участием в них человека.
Видео
Другие доклады секции
AI в SDLC
