Эволюция разработки: как Кунь Чен создал свою «агентную» экосистему 0:00
В этом выпуске подкаста ведущий Дэвид Ондрей обсуждает с гостем Кунем Ченом — инженером с опытом работы в Meta, Microsoft и Atlassian — философию и технические детали его «агентного» рабочего процесса. Чен разработал собственную систему управления AI-агентами, которая позволяет ему работать в одиночку с производительностью целой команды, используя автоматизированные пайплайны и «агент-ориентированные» интерфейсы (axi).
💻 Терминал как центр управления: «First Mate» и экосистема инструментов 0:00
Рабочий процесс Чена полностью сосредоточен в терминале. Он использует Westerm за его высокую кастомизируемость и Herder — современный аналог Tmux для управления множеством сессий,.
- First Mate: это главный «агент-координатор», который управляет другими специализированными агентами (crewmates). Чен создал его, чтобы не тратить время на жонглирование десятками открытых вкладок и контекстов.
- Принцип делегирования: Когда Чен задает вопрос или дает задачу, First Mate самостоятельно решает, какому «члену экипажа» делегировать выполнение. Это позволяет Чену не ждать завершения одной задачи, чтобы начать обсуждение следующей.
- Гибкость ПО: Чен отмечает, что «агентное» ПО обладает свойством самоисцеления. Инструкции (
agents.md) и bash-скрипты в текущей директории позволяют First Mate модифицировать свои действия при возникновении ошибок, делая систему практически «неубиваемой».
🛡️ No Mistakes: Адверсариальный код-ревью 38:06
Одной из главных проблем при работе с AI Чен считает риск «поставки мусора» (shipping slop). Для этого он разработал пайплайн No Mistakes.
- Анализ интента: Система считывает исходный запрос пользователя к агенту, чтобы понять, какие требования должны быть выполнены.
- Адверсариальный ревью: Другая модель (обычно GPT 5.6 Soul) выступает в роли критика, выявляя пограничные случаи и баги, которые не очевидны сразу.
- Тестирование и автофикс: Если найден баг, система пытается исправить его автоматически или делегирует решение пользователю, если затрагивается логика продукта.
По статистике Чена, за три месяца работы через этот пайплайн прошли изменения в 59 репозиториях, и в 63% случаев «No Mistakes» помог выявить ошибки до слияния кода.
🏗️ Агентная эргономика: Почему API важнее Web UI 50:01
Чен полагает, что современное ПО (особенно в SaaS) слишком ориентировано на людей-пользователей. В будущем программы должны стать «headless-сервисами», заточенными под взаимодействие с агентами.
- Axi (Agent Ergonomic CLI): Чен считает большинство существующих MCP-серверов неэффективными. Он разработал концепцию axi — интерфейсов, которые придерживаются 10 принципов эргономики для агентов.
- Эффективность: Например, его Chrome Dev Tools axi снижает стоимость запросов на 20% по сравнению со стандартными решениями, просто за счет оптимизации структуры данных и использования токено-эффективных форматов вывода.
- JSON vs Семантика: Чен критикует избыточность JSON в текущих инструментах и призывает к использованию форматов, которые передают только нужную агенту смысловую нагрузку.
📉 Инвестиционный тезис и квоты LLM 17:28
Спикеры сошлись во мнении, что текущие лимиты в $200 на подписках для индивидуальных разработчиков недостаточны, и необходимы более дорогие тарифы (например, за $500) для интенсивного использования агентов.
- Рациональность моделей: Чен опирается на бенчмарк Deepu, который считает наименее «загрязненным» на данный момент.
- Поведение моделей: Он утверждает, что при нехватке «интеллекта» у модели для решения задачи, она начинает «сжигать» огромное количество токенов, выполняя бесполезные циклы — так называемая «высокая кривая обучения» (на примере моделей Luna).
