Transcription
Коллеги, я всех вас приветствую на канале Cкод. Сегодня у нас дайджест нововведений в экосистеме A Factory. Это A Factory, соответственно, AI Workspace, Handof, MCP Unit, AI Tester и так далее. Обо всём этом сегодня с вами поговорим.
Если вдруг вы ещё не в экосистеме A Factory, вам всё равно будет полезен этот дайджест, так как я буду демонстрировать различные новшества, до которых мы дошли, сделав несколько кругов по граблям, поэтому вы можете их применять и в ваших проектах, не используя напрямую один из продуктов AV.
О'кей, друзья, начинаем, соответственно, с AI Factory. Он у нас во главе. Матерь богов. Я думаю, вы все уже, кто использует A Factory, на фоне скандируете AE. Я вас понимаю. Это мегакрутой инструмент, с которым я начинаю любую разработку. И давайте взглянем, что с ним произошло за это время.
Начнём с апдейта 211. Не будем смотреть прямо на каждую фичу либо фикс. Будем выбирать только самые крутые, самые основные. Из этого релиза можно обратить внимание на A implement с опцией работы без плана. То есть можно запускать теперь skill a implement, указывать опцию без плана, говорить, что при этом делать, и произойдёт разработка, реализация, будут выполнены все чекеры, соответственно, тот же самый flow, но без плана для каких-то небольших фиксов. Идеальное нововведение можно использовать.
Также появился новый скилл A Rules Check, чтобы просто проверить, что выполненные работы соответствуют всем rulesам, которые указаны в RulesMD.
Друзья, двигаемся дальше. Релиз 212. Здесь много интересного. Давайте взглянем. Во-первых, добавился аудит артефактов. Те, кто использует из вас HLV, я думаю, знаете, что артефакты, спеки - это основа при разработке с помощью нейросетей. Но в процессе, когда вы будете уделять артефактам особое внимание и спекам, они у вас под задачу разрастутся, они будут зависеть друг от друга. У вас возникнет проблема, что делать, если произошло изменение в одной из спецификации, она зависела от других спецификаций. И как в таком процессе всё это дело разруливать? Как понять сайэффекты, что ещё затронуто, где ещё пофиксить? Как раз на помощь придёт встроенная целая фича. A Factory - это Audit, соответственно, вы сможете на уровне артефактов, на уровне фронтметеров проставлять метатеги, какие артефакты от чего зависят, и в итоге эта целая фича будет вам выводить в консоль все зависимости. Плюс она будет зависеть от git diff. Если произошли изменения и какой-то артефакт присутствует в Git diff, вам A Factory подскажет зависимые артефакты от этого, чтобы вы могли сразу везде внести изменения. Плюс, соответственно, это подсказка для LLMки. Если она что-то изменила, вызвав эту фичу, она увидит, какие файлы ещё должны быть затронуты, и точно ничего не упустит.
Если такая концепция вам особенно понравилась, обязательно обратите внимание также на HLV. Там артефакт Audit реализован более сложно, десятикратно сложнее, так как в HLV особое внимание уделяется артефактам, а слой с генерацией кода полностью делегирован LLMке.
Также в этом релизе у нас появился апгрейд архитектурного скила. К нам пришёл разработчик DAC Pro, сказал, что DDD мы описали не совсем корректно, также добавил вертикальные слайсы и в итоге прокачал скил AI архитектура. На самом деле это то, что постоянно происходит с AI. AI постоянно прокачивается прямо в процессе. Я и другие разработчики мы наблюдаем расхождение, то, что в итоге генерируется, точно ли это соответствует тому, что хочется ожидать. И постоянно мы улучшаем, пополняем все эти скилы.
Вот даже взглянем на следующее улучшение. Оно затрагивает улучшение скила по докеризации. В чём вообще была моя мотивация его улучшения? Я был на PHP подлодке. Там Александр Новиков выступал с докладом про Докер, про новинки в Докере, которые мы могли не знать. И действительно, многие фичи, которые выходят в Докере, мне уже стали неизвестны. И поэтому я решил обновить скилл. Я скормил LLMке всё то интересное, что Саша рассказывал на докладе. И в итоге скил докеризации теперь знает о Docker Hub, о тегах и много ещё о чём. Плюс я в процессе работал с докеризацией, с конфигурацией жи. Увидел, что LLMка допускает ошибки по SSL-сертификатам. Соответственно, сразу пришёл Wave Factory и пофиксил это на уровне скила, чтобы в последующем у меня и у других разработчиков такой проблемы не возникало.
Это как раз, друзья, то, о чём я вам говорил. В чём отличие A Factory от остальных Superpowers и прочих DDD подходов. Здесь у нас акцент именно на разработку. A Factory создаётся разработчиками. Мы в процессе смотрим, как это работает, и вносим туда лучшие практики. Это не просто вау эффект, когда вам нагенерировали куча мусора и сказали, что так будет работать лучше. Здесь не просто куча токенов, здесь действительно практики.
Ну и, соответственно, также момент, что A Factory является stackful. К нам приходят вот и Java разработчики, судя по этой фиче, и добавляют дополнение по проблемам генерации кода в других языках. В этой фиче добавлено Java, и там ещё есть упоминание Rust.
О'кей, друзья, здесь давайте немножко остановимся. Это действительно крутой релиз. Я на него убил целую неделю, целую неделю написания этого скила. Плюс проверки на различных материалах. И мне кажется, получилось действительно круто. Это skill A Distillation, который даёт возможность дистилляции определённого материала в скил либо в скилы. Мы сейчас посмотрим на примерах, что в итоге у нас получается. То есть вы можете этому скилу скормить документацию, определённый проект, куча там, не знаю, спецификаций, конвенции, контракты, которые есть в вашей компании. Вы можете скормить этому скилу книгу в виде PDF-файла либо какой-то ссылки и получите скилл либо набор скилов. В процессе я его ещё прокачал. Вот как раз добавил сплит-режим, чтобы это был не один скилл, а много скилов. Ну, представьте себе, вы делаете дистилляцию книги в скилл. Всю книгу утащить в один скилл нереально, а сделать десяток, 20 скилов уже вполне себе рабочий вариант, и это действительно будет работать.
Давайте посмотрим, что у нас ещё есть. Здесь уже фиксы. О'кей, давайте посмотрим на результат работы AV Distillation. Это действительно крутой скилл. Во-первых, я взял совершенный код книжку, и в итоге из неё в данном примере сделал всего один скилл. Вот он здесь выглядит. Так. И обратите внимание, помимо самого скила здесь куча дополнительных материалов. Core-принципы, workflow, примеры, даже есть код-паттерны, которые предложены. Плюс A Factory увидел контекст генерации этого скила. Он увидел, что в проекте Rust, и сделал код снипеты на Rust. То есть помимо всего прочего происходит также трансформация под ваш контекст. И это действительно качественная выжимка с примерами, с архитектурой, самыми крутыми подходами, которые были освещены в том или ином материале.
Давайте посмотрим ещё варианты. Этот скилл, скажем так, уже используется в продакшене. Андрей Хелдар сделал дистилляцию книги Александра Черняева Dendy Code. И в данном случае он сделал дистилляцию в сплит-режиме. Давайте взглянем, что в итоге вышло. У нас получился не один скилл, а вот такой вот набор скилов. И они у нас целевые, то есть их нужно запускать под определённую категорию. Работаете с тестом, тест-дизайн, который был озвучен в книге, ревью нейминга и прочее. И каждый скилл будет также иметь примеры кода, если они требуются, будет иметь определённые референсы, если они требуются. Каждый скилл, каждый набор скилов будет подстраиваться под материал.
Я на самом деле тоже в процессе тестирования пробовал делать Dendy Code. В моём случае получилось вот так. Отличается от Андрея. И само собой что отличается, так как LLMка - это у нас рандом. Плюс разные prompt, разный reasoning level. У меня он был средний, у Андрея, видимо, повыше. И, соответственно, получилось вот так. То есть я максимально доволен этим скилом. В ближайшее время, как мне кажется, для меня лично это будет одной из основ AI.
Также, друзья, не отходя от AV Factory, хочу вам продемонстрировать расширение и в целом напомнить вам про систему расширения A Factory, которая также является неотъемлемой частью. A Factory меняется максимально. Вы можете заменить каждый скилл, вы можете модифицировать каждый скилл, вы можете вокруг A Factory построить что-то гораздо большее. Сейчас мы с вами взглянем на расширение AHub от Ichchi. Очень крутой AI-разработчик, один из лучших, которых я знаю. Он реализовал вот подобное расширение, и оно ещё в процессе разработки не в том плане, что оно ещё не готово, а в том, что оно ещё будет обрастать и развиваться. В данном случае оно прокачивает A Factory и добавляет поддержку OpenSpec, то есть то, что я вам тоже не раз говорил, что A Factory можно использовать и с другими DDD инструментами. Многие уже используют его вместе с Superpowers, взяв оттуда что-то, что им нравится, с OnSpec, SpecKit и так далее. В данном случае Ichchi понравилась валидация артефактов из OpenSpec, и он, соответственно, это интегрировал в A Factory. Помимо этого, мы видим, что он перестраивает сам Workflow под себя. Используется A Factory как ядро, и при этом меняется под себя workflow, дополняются скилы, добавляется целая инструмент из OpenSpec и получается вот такая вот махина. Где ещё вы этого сможете достичь, если не VF Factory? Инструмент очень крутой. Как минимум, на него стоит обратить внимание и, возможно, подчерпнуть что-то в своих инструментах либо в своих подходах при разработке DDD-проектов, либо при уже продуктовой разработке где-то у вас в найме.
Друзья, давайте также стороной не обойдём и HLV. Я знаю, это сложно, но давайте взглянем, заодно поймём, что такое аудит артефактов. Как раз в версии 04.0 у нас появилась фича Impact Graph. Давайте посмотрим, как это выглядит. Во-первых, я также добавил пример, как это выглядит на уровне артефактов. Появляется вот такая вот мета дополнительная, где мы видим, что это за тип артефакта, кто за него ответственен, от чего зависит и, соответственно, на что влияет. Я думаю, те, кто уже знаком с HLV, знают, что он работает на уровне меток в коде. И, соответственно, на уровне этих меток он и будет понимать, на что этот артефакт влияет. И сразу удобно перемещаться на те файлы, с которыми он должен взаимодействовать.
Ну и также давайте взглянем на помощник. Вот у нас есть HLV помощник. Команд на самом деле множество. И даже отсюда мы с вами видим отношения между всеми артефактами. Что от чего зависит, какой артефакт, например, валидирует другой артефакт, на какие файлы либо директории в коде они влияют и так далее. Вокруг этого можно построить и какой-то webui, и всё, что угодно, но в целом этого уже достаточно, чтобы LLMка и вы в команде понимали, что происходит с основной частью, а именно с частью HLV слоя, где у нас спецификации, артефакты, контракты, ограничения и так далее.
Да, друзья, также важно, я уже пошёл вперёд. A Factory, HLV. Возможно, вы не знакомы с этими инструментами. Возможно, вы только интегрируетесь в AI. На канале есть ролики, где я делал базовый первоначальный обзор этих инструментов по AI Factory их уже несколько. Плюс есть Workshop. Если вас эта тема особенно заинтересовала, вы хотите работать с этими инструментами профессионально, переходите в Telegram бота, ссылка будет в описании. Там уже доступно сразу два воркшопа. Первый для суперновичков и второй для среднего уровня, где все эти инструменты, о которых я сейчас говорю, подробно рассмотрены. AI Factory и HLV - это Workflow, плюс HLV - это валидация того, что сделала LLMка программно. И слой генерации кода у нас полностью делегирован LLMке. Мы за ним не следим.
Следующий инструмент у нас AI Workspace. Я думаю, все вы уже хотите посмотреть скорее на Handof, но всё-таки Handof - это вершина айсберга. Он держится на вот таких инструментах, которые мы используем в повседневной жизни. AI Workspace - это наши мозги, это память, это сеть между проектами.
Недавно у меня возникла ситуация. Я работаю над проектами, над микросервисами. Там их огромное количество, развёрнуты локально, но внутри микросервиса нельзя использовать AI, нельзя где-то там заигнорить определённые директории, соответственно, точно нельзя хранить все эти спеки и так далее. И но при этом мне нужно понимать контекст из разных сервисов, чтобы общаться между ними. Плюс собирать общий контекст по задачам. То есть есть ТЗ, есть контракты, всё это хочется держать в одном месте. И поэтому я просто под этот большой проект создал у себя директорию, развернул в ней внутри A Workspace, добавил туда необходимый мне контекст по всем сервисам и расшарил его внутри в этой сети. Далее я просто взаимодействую внутри проекта и по MCP обращаюсь к A Workspace супербыстро, так как там полнотекстовой поиск, всё это дело индексируется, я получаю всю необходимую мне информацию по задаче, по контрактам, по ограничениям. Там же у меня хранятся планы и все те артефакты, которые мы используем в A Factory. Вот такая крутая штука. И она обретает новую жизнь. Постоянно приходят пулреквесты. Мы можем с вами даже сейчас взглянуть вот огромный набор пулреквестов по A Workspace, соответственно, и задатчик, и куча из этого закрывается постоянно.
Но давайте взглянем, что из интересного здесь произошло. Во-первых, чтобы инициализировать проект в AI Workspace, чтобы вы потом в команде могли добавить его в репу и спокойно, скажем, разворачивать ту же самую сеть, которая есть и у меня. Конфиг этот по дефолту хранится в корне, но бывает, что в проекте вам выделяют по DI определённую директорию. Соответственно, эта фича даёт возможность опубликовать конфиг где угодно и дальше через опцию указывать, с каким конфигом мы будем с вами работать.
Основное внимание я сейчас хочу уделить вот этой фиче. Мы видим с вами, что у нас есть и фиксы, где Ichchi прячет чувствительные данные и так далее. В MCP это всё очень важно. Постоянно выходит куча важных фич и фиксов, но мы сегодня с вами их рассматривать не будем. Что у нас завис events? Эта фича также не взялась ниоткуда, просто ради того, чтобы она была. Я работал с этими сервисами, и я думаю, что у меня возникает проблема. В определённом сервисе произошло событие, что-то изменилось, что должно отразиться на определённые сервисы, даже просто на уровне README. Например, какой-то сервис удалён, и нам надо в другом сервисе убрать эту зависимость, что больше этой зависимости нет. Иногда с сервисами работают разные команды, иногда у одной сразу несколько. И, соответственно, эта фича даёт возможность сервисам подписаться на определённую группу событий и постоянно их слушать. То есть в процессе по MCP я получу уведомление, что какой-то сервис удалён, либо в каком-то сервисе появилась задача, которая влияет на этот сервис, её нужно выполнить. После выполнения будет также отправлено событие, что фича реализована, либо это действие уже закрыто. То есть это в итоге перерастает не просто в сеть знаний, да, память между проектами, а в полноценную сеть общения между проектами, где присутствуют события, и это становится must have инструментом. У меня сейчас всегда в связке AI Factory Init и IWSpace Init. Два инструмента, которые идут друг с другом, нога в ногу. И это можно также наблюдать вот этой фичей. А в AI Workspace добавлен пресет. Вы указываете AI Factory и сразу все артефакты, весь контекст A Factory в точке A Factory, то, что хранится, ну и также Agents MD будет расшарен в AI Workspace City.
О'кей, друзья, переходим в Wave Handof. На самом деле здесь сумасшедшее развитие, больше сейчас про фиксы, про улучшение workflow самого Handof, но есть и интересные фичи. Плюс эти фичи появляются самостоятельно в самих проектах. Сегодня мы с вами посмотрим на warmup, на прогрев сессий и немножечко об этом поговорим. Я не помню, смотрели ли мы в прошлом обзоре Handof то, что у нас появился автоматический режим, что можно перемещать задачи, сортировать их выполнения какие-то, ставить на паузу, чтобы они выполнялись параллельно и так далее. И всё это можно полноценно автоматизировать. Поэтому немножечко сейчас мы к этому моменту вернулись.
Что касается прогрева, о'кей, у нас появляется вот такая вот кнопочка с прогревом сессий. Друзья, смотрите, как работает большинство Handof систем. Да и не только системы. Даже когда вы через работаете, вы имеете ту же самую проблему. У вас при правильном workflow будут следующие действия. Вы сперва планируете определённый пул работ. У вас в итоге появляется артефакт с планом либо с планами. При этом у вас забивается контекст, вы его очищаете либо начинаете новую сессию, и следующая сессия у вас в первую очередь сделает, скажем так, init действия, прогрев действия. Они каждый раз будут одинаковыми. Изучат поверхностно проект, подгрузит все Markdown файлы, пошуршит, где LLMка посчитает нужным, и далее, исходя из запроса, начнёт анализировать кодовую базу и что-то делать. Соответственно, когда вы выполняли планирование, этот прогрев уже произошёл, и вы снова выполняете те же самые действия. В большинстве случаев это не вопрос про там 10-20.000 токенов. Эти моменты легко упираются в миллион и выше токенов. Соответственно, прогрев вы можете использовать не только в Handof, вы можете использовать и повседневно через CLI, через апки. Всё это поддерживается.
В чём здесь, собственно, идея? Мы создаём сессию, то есть мы её просто прогреваем и на основе скила либо определённого промта мы говорим: "Изучи кодовую базу под будущую работу". В итоге LLMка уже собрала базовый контекст, она уже прошуршала все артефакты, посмотрела необходимую структуру и, скажем, там вот у нас есть сессия на миллион токенов, которая длилась до этого 10 минут. И далее при имплементации мы не используем новую сессию с нуля, а мы используем её же. Тем самым экономим время. У LLMки уже контекст, что она всё прошуршала, она всё знает и она сразу приступает к имплементации. Соответственно, здесь у нас сессия и форк сессии. Codex и Claude всё это поддерживает. Вы можете и без Handof этим пользоваться.
Соответственно, друзья, здесь я ещё хочу немножко переключить ваше внимание. Последние полгода я писал книгу AI Native. Вот она сейчас перед нами на экране. И это книга, скажем так, моего хождения по граблям. Я собирал проблемы взаимодействия с LLMкой, именно проблемы, находил решения и сразу делал заметки, отражал всё это в этой книге. И в итоге она получилась полноценной и впитывает в себя вот весь мой опыт, который я получил за этот период. А работал я с AI очень много. Я думаю, вы это понимаете, даже взглянув на те инструменты, которые мы сегодня с вами рассматривали. По большей части эти проблемы и решения можно также лицезреть в этих инструментах, так как они отражены там, то есть они имеют практическое значение, они действительно рабочие.
Эта книга, не совсем книга, это манифест. Она не тянет на книгу, она не такая большая по объёму. И она не про, скажем так, не про вот эти бабушкины промты, которые каким-то чудом из модели, которая просто генерирует рандом, превращают её в реально искусственный интеллект. Такой фантастики вы здесь не ждите. И я вам скажу честно, когда вы видите, что вдруг LLMка превращается в действительно там вот это маркетинговое слово ИИ, всё это уже пахнет булшитом. Здесь у нас именно про мышление, новая культура мышления, так она и называется, про AI native разработку, о том, как себя заставить работать с AI продуктивно, понимать её проблемы, понимать, как она устроена, и решать их в процессе. Где-то применять инструменты, где-то пользоваться здравым смыслом. Здесь нет какой-то серебряной пули. Каждый раз вы должны быть внутри процесса. Это не про то, как нажал кнопочку и пошёл отдыхать. Это про большой труд, где LLMки, нейросети для нас всего лишь инструмент, и нам, чтобы стать круче, нужно уметь ими управлять и понимать проблемы.
Соответственно, ссылка на этот манифест будет в описании. 30% манифеста доступно бесплатно, и остальная часть манифеста откроется для вас за символические 500 руб. Оплатить можно как российской картой, так и перейдя на Boosty. Там уже можно оплатить любым способом. Плюс, если вам эти способы не нравятся, можете переместиться ко мне в личку, и мы решим, как приобрести эту книгу. Соответственно, почему я сделал на это акцент? Потому что в этой книге также обсуждается проблема прогрева сессий, которая, соответственно, как пример решена в Handof.
Друзья, и напоследок давайте ещё посмотрим на инструменты. Это MCP и AI Tester. Они также развиваются, но здесь не столько про фичи, а про фиксы. MCP Unit начали использовать, а, разработчики начали использовать его в компаниях и, соответственно, в процессе столкнулись с проблемами, которые я пофиксил. И вот уже есть версия 14.0. Мы также можем обратить внимание, что MCP Unit не особо популярен по звёздам, всего 10 звёзд. И здесь нет ничего удивительного. На самом деле это говорит о том, насколько пока что ещё осознанный AI кодинг не развит. И все мы с вами крутимся вокруг инструментов, что выбрать. А вон там Карпаты что-то предложил, там Милаёва ведь что-то предложила. И мы каждый день наблюдаем за вот этими инструментами по 15.000 звёзд. Сами не хотим ничего делать, не хотим менять мышление, не хотим перестраиваться. В итоге, в большинстве случаев, остаёмся теми же балбесами, которыми были многие из нас и в разработке. Нет здесь никакой серебряной пули. Сейчас на хайпе инструменты будут выходить один за другим, а по-настоящему крутые инструменты вряд ли будут набирать особую популярность, потому что там не будет какой-то определённой панацеи. Вам всё ещё придётся мыслить, вам всё ещё придётся быть экспертом и работать с LLMкой. Там нет никакого искусственного интеллекта, поэтому невозможен чудо-промт либо какой-то чудо-тулинг. Он может улучшить на там, не знаю, 5%. Мы уже с вами видели на примере Caveman. И я думаю, мы ещё столкнёмся с кучей примеров. Поэтому MCP Unit у нас всего 10 звёзд. Мало кто пишет свои MCP. В основном пока что только используют и только используют те, которые на хайпе.
Соответственно, если мы взглянем с вами также на AI-Tester, инструмент, который помогает тестировать по сценарию ваши инструкции, скилы и так далее, также не имеет большой популярности. Здесь аудитория будет ещё меньше. Здесь уже супер осознанные и разработчики, которые не просто генерируют инструкции и скилы, а хотят проверить, что действительно они порождают определённые артефакты, они не сливают, скажем так, ваши SSH-ключи куда-то и так далее. Обо всём этом ещё говорить рано. Что уж там говорить про HLV? Совсем радикальные подходы.
А на этом, друзья, всё. Мы с вами рассмотрели основные инструменты. Надеюсь, я был вам полезен. Надеюсь, вы будете их использовать, либо просто возьмёте определённые практики в свои проекты и, возможно, в какой-то момент скажете мне спасибо за то, что я с вами этим поделился. На этом всё, друзья. Спасибо вам за просмотр и увидимся в следующем ролике на канале Cat Code. Пока.