Transcription
IDE умирает, и вместе с ней умирает и вызов инструментов. OpenAI не победит. И в следующем году вы будете выпускать код, который никогда не проверяли, даже будучи опытным инженером. Потому что позвольте мне сказать вам, то, как мы будем использовать ИИ в 2026 году для кодирования и агентов, будет выглядеть совершенно иначе. И поэтому в этом видео я хочу быстро поделиться с вами своими прогнозами и объяснить, почему они важны прямо сейчас. И некоторые из них определенно будут "горячими" мнениями. Так что дайте мне знать в комментариях, если вы с чем-то не согласны. Мне искренне интересно. И прежде чем мы начнем, да, я частично потерял голос. Я уверен, вы это слышите, но я все равно очень рад обсудить все это с вами.
Итак, первый прогноз: IDE мертвы, по крайней мере, в том виде, в каком мы их знаем, потому что традиционные IDE, где код является центром интерфейса, просто станут неактуальными. Мы настолько гиперфокусированы на оркестрации различных ИИ-агентов. Таким образом, мы движемся к интерфейсу менеджера агентов, где мы можем запускать агентов параллельно для работы над различными функциями в кодовой базе или даже над различными проектами одновременно. И мы уже начинаем видеть это, например, с Google Anti-Gravity. У них есть компонент традиционной IDE, но у них также есть этот менеджер агентов, где мы можем запускать эти различные рабочие запросы для наших агентов в разных кодовых базах. Мы можем просматривать вещи так же, как мы делали бы с GitHub PR, и мы можем оставлять здесь свои комментарии, которые будут обрабатываться в реальном времени. Это действительно, действительно круто. И Cursor с их новым обновлением 2.0 также имеет что-то подобное. А затем у нас есть облачные решения, такие как CodeX Web и Cloud Code for the Web, где мы также можем выполнять такую оркестрацию. Это очень эффективно. Мы можем запускать все эти различные агенты, чтобы они работали на нас одновременно.
В дополнение к этому, я также работаю над собственной пользовательской удаленной агентной системой кодирования. Таким образом, я могу внедрить свой собственный процесс планирования, реализации и проверки, как вы видите здесь. И я могу делать это практически в любом приложении, GitHub, Telegram. Я работаю над интеграцией со Slack. Это так круто. И самое приятное то, что я раздаю эту полную систему вам, но только на прямом эфире, который я провожу в эту субботу, 29 ноября, в 9:00 по центральному времени. Так что приходите и станьте частью этого. Это будет здорово. Я раздам всю эту систему и покажу вам, как ею пользоваться, потому что это, мой друг, действительно будущее агентного кодирования, где мы можем взаимодействовать с нашими агентами везде, где мы фактически работаем.
Итак, перейдем к следующему прогнозу: различные пути к доминированию в области ИИ. Многие люди думают, что в будущем одна большая языковая модель будет иметь монополию и будет лучшей во всем. Но на самом деле произойдет то, что разные поставщики будут специализироваться и фокусироваться на том, чтобы быть лучшими в разных вещах. И мы уже видим это, например, с Google, который идет по пути более универсального подхода. Они просто хотят быть мастерами на все руки. Anthropic фокусируется на том, чтобы быть лучшим в кодировании. И мы можем даже увидеть это по бенчмаркам. Gemini 3 просто разрывает все показатели. А затем выходит Opus 4.5. И, конечно же, первый бенчмарк, который они показывают, — это бенчмарк по разработке программного обеспечения, потому что именно на этом фокусируется Anthropic. И другие поставщики будут создавать модели, более ориентированные на такие задачи, как творческие. Мы будем все больше и больше видеть эту специализацию, где то, что мы строим, будет определять, какую LLM мы конкретно используем.
Но знаете, кто, по моему мнению, не выйдет на первое место ни в какой специализации, так это OpenAI. И это, вероятно, самое "горячее" мнение во всем этом видео, но они просто разочаровывали раз за разом с GPT 5.1 и 5, и GPT 4.5. С 4.5 они, кажется, пытались быть тем самым творческим специалистом, но это просто не сработало. И существует так много других LLM, особенно с открытым исходным кодом, которые ориентированы на это. И поэтому я не знаю, может быть, они выйдут на первое место буквально в следующем месяце, и будет выпущена GBT6, и она будет абсолютно убийственной. Но до сих пор они расхваливали так много разных вещей, и это никогда не приводило к огромному прорыву.
И говоря о большем количестве доступных LLM, далее у нас прорыв в области локального ИИ. Я действительно верю, что 2026 год станет годом локального ИИ. В этом году мы не видели так много, кроме Deep Seek в начале 2025 года. Я имею в виду, это было большое дело, но потом больше ничего не было, что касается локального ИИ. У нас было несколько новых моделей, таких как Quen 3, но ничего супер-супер значительного. Но мы начинаем видеть новое оборудование, которое делает очевидным, что мы начнем запускать очень большие модели даже на меньших устройствах. Я оставлю ссылку на эту статью в описании. Существует новый ИИ-чип, который, по-видимому, сможет запускать большие языковые модели с более чем 120 миллиардами параметров на периферии, что станет полным изменением правил игры, потому что прямо сейчас аппаратные требования являются одной из самых больших проблем, когда речь идет о масштабировании локального ИИ. И поэтому, если мы решим проблему с оборудованием, у нас будет 100% конфиденциальность данных и нулевая задержка в миллисекунды для наших агентов. И это мечта.
И возвращаясь к теме ИИ-кодирования, мы наконец-то дойдем до того момента, когда мы не будем кодерами. Мы полностью делегируем это нашим кодирующим агентам, а мы будем системными архитекторами. И я уже делаю это сам. Это то, чему я учу на своем канале в курсе агентного кодирования. Но это наконец-то станет мейнстримом, где мы вместо этого сосредоточимся на высокоуровневом дизайне, архитектуре и проверке нашей системы ИИ-кодирования. И это интересно, потому что это на самом деле отражает эволюцию других инженерных дисциплин. Например, инженеры-строители не изготавливают стальные балки. Они проектируют конструкцию и проверяют ее целостность. И именно туда мы движемся как инженеры-программисты. И я люблю думать об этом как о трехэтапном процессе. Мы определяем наши цели и систему, в которой будут работать наши агенты. А затем мы оркестрируем, делегируя кодирование нашим агентам. А затем мы проверяем результаты и обеспечиваем качество всей системы после этого. Таким образом, мы все еще в цикле. Мы имеем последнее слово во всем, что создается, но мы делегируем черновую работу, все кодирование нашим кодирующим агентам.
Спонсор сегодняшнего видео — никто иной, как сами Postman, платформа API. По сути, каждый разработчик под солнцем использовал Postman для тестирования, управления и развертывания API. Но знаете ли вы, что теперь они помогают вам создавать API для ваших ИИ-агентов, на чем люди недостаточно фокусируются? 57% организаций заявляют, что ИИ увеличил количество API, которыми они управляют. И причина в том, что когда вы развертываете агента в продакшене, он находится за API, а затем также использует API для инструментов. Таким образом, API больше не являются просто инфраструктурой. Они являются стратегическим стержнем для ваших агентов. И поэтому обеспечение надежности ваших API так же важно, если не более важно, чем остальное в создании вашего агента, например, выбор модели. И поэтому Postman делает это возможным для нас. И у них есть 90-дневный план готовности к ИИ, ваше руководство по созданию этой API-инфраструктуры для ваших агентов. Так что я оставлю ссылку на это руководство в описании. Это определенно стоит временных затрат. Если вы не вкладываете время в разработку готовности к API, я могу обещать вам, что ваши агенты погрузятся в хаос, когда будут развернуты в продакшене. И Postman дает нам гораздо больше, чем просто свое руководство. У них есть конструктор ИИ-агентов, где мы можем создавать готовых к продакшену ИИ-агентов, находящихся за инфраструктурой Postman API. У них есть множество шаблонов для начала работы. Вы, очевидно, можете создавать свои собственные. У вас есть этот конструктор с низким уровнем кода, который очень легко соединяет все вместе, чтобы создать любой агент, который вы хотите. У них есть режим агента, чтобы помочь нам создавать и тестировать вещи. А затем, когда мы развертываем нашего агента, это лучшая часть, которая действительно использует Postman. У нас есть все метрики мониторинга и производительности, панель управления для настройки оповещений, вся готовая к продакшену инфраструктура, которую мы ожидаем от Postman. Так что я оставлю ссылку в описании на конструктор ИИ-агентов Postman, потому что если вы серьезно относитесь к созданию готовых к продакшену ИИ-агентов и API, вам определенно стоит это проверить.
И сами наши агенты тоже сильно изменятся в следующем году, потому что выполнение кода начинает заменять вызов инструментов, потому что проблема, с которой мы сталкиваемся с вызовом инструментов прямо сейчас, заключается в том, что все возможности, которые мы даем нашему агенту, они должны получать контекст заранее. И поэтому, когда вы пытаетесь дать агенту много разных инструментов, вы полностью перегружаете его. И поэтому выполнение кода — это огромное сокращение токенов. Это также быстрее и гибче, потому что, по сути, вы даете агенту возможность генерировать свои собственные возможности во время выполнения, написав код для взаимодействия с API или чем-либо еще, что ему нужно сделать. И эта статья от Anthropic, я оставлю ссылку в описании. Они полностью рассказывают о проблеме с инструментами в MCP и о том, как выполнение кода является решением. Я определенно думаю, что именно к этому мы движемся с агентами, чтобы сделать их намного более проворными и легкими. И самое лучшее в гибкости выполнения кода — это то, что оно открывает следующий уровень прогрессивного раскрытия. Я знаю, что это звучит как модный термин, но все, что я имею в виду, это то, что у нас есть много возможностей для агента, но мы на самом деле не даем их все агенту заранее. Вместо этого мы позволяем агенту обнаруживать возможности, а затем использовать их более гибким способом. И поэтому, когда мы смотрим на это, для каждой возможности у нас есть лишь немного метаданных или описание, которое мы загружаем заранее. И затем, когда агент фокусируется на этом описании, он говорит: "Я хочу использовать эту возможность". Затем мы загрузим полные инструкции. Это может включать скрипты или руководство по генерации кода для этого инструмента, что бы это ни было. И поэтому теперь мы можем масштабироваться практически до бесконечности, потому что все эти возможности не должны загружаться во время выполнения. Это всего лишь это крошечное описание. И если вы хотите действительно хороший пример этого, взгляните на Claude Skills. Это своего рода первый стандарт для компонуемых навыков или прогрессивного раскрытия. И я знаю, я знаю, я много говорил об Enthropic и Claude в этом видео, но они действительно находятся на переднем крае своих исследований. И поэтому здесь представлена краткая диаграмма, объясняющая, как работают навыки. И она ориентирована на помощника по ИИ-кодированию, но навыки применимы буквально к любому типу ИИ-агента. Итак, вы начинаете с основного контекста. Это то, что у вас всегда загружено для вашей модели, как традиционные инструменты или ваши глобальные правила, что бы это ни было. Но затем у вас есть обнаружение навыков. Итак, основываясь только на этом крошечном описании, которое вы даете вначале, если агент решает использовать навык, а затем вы загружаете инструкции по запросу. Итак, вы начинаете с того, что называется skill.md. Это основной набор инструкций для навыка, который говорит ему, как писать код, или другие ссылки или скрипты для использования. А затем вы также можете использовать эти справочные файлы, но только когда они вам нужны. И поэтому здесь на самом деле несколько уровней. Вы загружаете skill.md. А затем вы также можете решить загрузить forms.m MD. Таким образом, у вас есть это прогрессивное загрузка всего этого контекста, который вам нужен для ваших возможностей. Вот почему это называется прогрессивным раскрытием.
Я говорил о том, что локальный ИИ — это то, что на самом деле не было таким большим в этом году, хотя я думал, что будет. И протоколы взаимодействия между агентами — это еще один очень хороший пример этого. Это то, где у нас есть ИИ-агенты, работающие в одноранговой сети. Они могут обнаруживать возможности друг друга в реальном времени и взаимодействовать очень автономно. И здесь огромный потенциал. И я думал, что это будет очень большая вещь, особенно когда Google выпустил свой протокол A2A в начале этого года. Я сделал видео об этом. Когда он впервые вышел, был огромный ажиотаж, и многие люди думали, что это будет следующий большой стандарт, как следующий MCP. Но потом ничего не произошло, и он как бы полностью отошел на второй план. И я думаю, что одна из больших причин этого в том, что у нас есть своего рода проблема "курицы и яйца" с A2A или любым протоколом взаимодействия между агентами. Чтобы он был полезен, мы должны иметь большое количество людей, которые его одновременно принимают. В противном случае, если мы создадим агент, совместимый с A2A, то ему не с кем будет общаться. Таким образом, вся ценностная составляющая теряется, если у нас уже нет этой большой сети, к которой мы можем немедленно подключиться. Но я думаю, что в следующем году это наконец-то произойдет, особенно благодаря моему следующему большому прогнозу: машины, платящие машинам, станут очень большой вещью. И Coinbase недавно выпустила протокол для этого под названием X42. Это способ для нас создавать ИИ-агентов, которых мы предоставляем через Интернет, но мы требуем оплаты, когда кто-то другой взаимодействует с ними. И это хорошо сочетается с взаимодействием между агентами, потому что мы можем создать такого рода одноранговую сеть, где мы монетизируем наших агентов. Они все используют друг друга, но платят, когда используют возможности другого агента. И поэтому мы можем зарабатывать деньги с помощью наших агентов, предполагая, что они предоставляют возможности, которые другие люди хотят использовать через своих ИИ-агентов. И это, естественно, протокол Coinbase, потому что криптовалюта — это просто идеальное решение в качестве платежного механизма для таких сетей взаимодействия машин. Нам нужна валюта, где очень легко делать микроплатежи быстро и глобально. И мы хотим чего-то довольно стабильного в целом. Так что стейблкоин, такой как USDC, — это идеальный вариант. И из всех прогнозов, которые у меня есть, это, вероятно, самая новая концепция. Но я думаю, что это станет чем-то довольно распространенным, начиная со следующего года.
Итак, для последних двух прогнозов я хочу вернуться к ИИ-кодированию, потому что я действительно верю, что кодирование — это самый эффективный вариант использования генеративного ИИ. И поэтому мой следующий прогноз — это обзор артефактов вместо обзора различий. И поэтому в очень традиционном смысле, когда мы хотим провести тщательный обзор кода, мы будем смотреть построчно на все изменения, внесенные человеком или ИИ-инженером. Но кодирующие агенты начинают достигать точки, когда у них есть полные возможности, чтобы показать нам доказательство в пудинге. Поэтому вместо того, чтобы нам приходилось просматривать вещи построчно, мы можем смотреть записи браузера, которые они нам отправляют, и это идет с удаленными агентными системами кодирования, где они могут просто отправлять нам в GitHub или в Slack полные рабочие демонстрации серверного API. И поэтому мы можем полагаться на них, чтобы знать, что помощник по кодированию хорошо справился с работой, вместо того, чтобы проводить полный обзор кода. И если вам нужен пример записей браузера, мы можем вернуться к Google Anti-Gravity, который я показывал ранее, потому что у них есть Google Chrome, напрямую интегрированный в IDE. Таким образом, в рамках своего процесса кодирования он может автономно запускать ваш веб-сайт, посещать его, прокручивать, делать снимки экрана и все остальное. Вы даже можете просмотреть воспроизведение позже, как я делаю прямо сейчас. Таким образом, он может визуально проверять ваш фронтенд и убедиться, что ваше приложение работает должным образом. Так что это хороший пример того, что я имею в виду под обзором артефактов. И это намного приятнее. Мы можем посмотреть на это, чтобы убедиться, что все работает хорошо, вместо того, чтобы вдаваться во все различия.
И поэтому для самого последнего прогноза, который у меня есть для вас, мы действительно связываем много вещей вместе, потому что мы говорили об обзоре артефактов вместо различий и создании систем вместо кодирования, новых возможностях, которые мы будем иметь для агентов с такими вещами, как выполнение кода. И поэтому мы очень быстро дойдем до того момента, когда мы будем выпускать код, который никогда не читали. И да, я понимаю, что люди, которые любят код, уже делают это, но я говорю, что даже опытные инженеры дойдут до того момента, когда они будут настолько доверять своей системе, что у них будет возможность просмотреть код, но они этого не сделают. Мы просто будем выпускать вещи в продакшен после того, как мы проверим эти артефакты, которые у нас есть. И поэтому я не говорю, что мы полностью исключим человека из процесса, но я говорю, что у нас будет большое доверие к нашей системе и установлен процесс проверки, который включает нас. Это не обязательно должно быть так, что мы на самом деле смотрим на код. И я определенно с нетерпением жду этого. И это действительно то, к чему я стремлюсь каждый день с тем, что я показываю вам на своем канале и что я делаю в сообществе Dynamis.
Вот и все. Это все, что у меня есть относительно прогнозов по ИИ на 2026 год. И, пожалуйста, дайте мне знать в комментариях, что вы думаете. Я активен в комментариях каждый день, так что я отвечу вам. И я хочу знать, согласны ли вы со всем или вы думаете, что что-то из того, что я здесь осветил, — это просто куча мусора. И поэтому, если вы цените это видео и с нетерпением ждете большего по ИИ-агентам и ИИ-кодированию, я был бы очень признателен за лайк и подписку. И я увижу вас в следующем видео.