Transcription
Привет, инженеры? Здесь Indie Devdan. Добро пожаловать в devlog Agentic Coding. Начнем с фактов. Релиз The Claw 4.5 Sonnet говорит сам за себя. Это кардинальное улучшение, которое явно было обучено для использования генетических инструментов для генетического кодирования. Сама модель мощная, но когда вы берете модель и помещаете ее в правильную архитектуру агента, когда вы помещаете ее внутрь clawed code, именно здесь мы получаем лучший инструмент для агентного кодирования на сегодняшний день, без сомнения. Codeci, Gemini CLI, они даже близко не стоят к тому, что вы думаете. Если вы мне не верите, это нормально. Я покажу вам прямо сейчас. И я бросаю вам вызов попытаться воспроизвести хотя бы половину того, что вы увидите в этом видео, с помощью одного из этих инструментов. Спойлер: у вас не получится. Итак, что мы сегодня кодируем с помощью агентов? Мы решим две проблемы. Одна — в цикле на моем устройстве прямо здесь, а другая — в моей выделенной среде агента. Что именно мы делаем? SDK clawed code был мигрирован в SDK clawed agent. Поэтому мне нужно обновить одну из моих кодовых баз, чтобы устареть старый способ и использовать новый обновленный синтаксис и несколько других изменений. Так что, пока мы мигрируем на моем устройстве, мы передадим часть работы нашим агентам на их выделенных устройствах. Мы заставим их создать прототипы агентов реального времени с использованием инструментов OpenAI. Итак, давайте передадим эту задачу прототипирования нашим агентам прямо сейчас. Cloud code в режиме YOLO здесь. Слэш AFK агенты. У нас есть многоразовый системный промпт MCP. Я передаю работу моим агентам. Я ухожу в AFK. Мне нужно передать здесь пару переменных, верно? Промпт, имя ADW и документация, если она нам нужна. Выполните эти три задачи. У нас есть три агента, которых мы хотим создать в трех отдельных скриптах. Убедитесь, что они быстро протестированы, чтобы убедиться, что они работают. Итак, у нас здесь небольшая структура замкнутого цикла, команда проверки внутри высокоуровневого промпта. А затем у меня есть мой конкретный план ADW: сборка, отправка. Затем мы передаем некоторую документацию. Это именно та документация, которую вы только что видели. И чтобы вы могли это увидеть, это мое устройство агента. И если я открою здесь код, когда я запущу это, вы увидите это устройство агента. Вы увидите, как эта задача будет выполнена. Устройство агента только что подхватило это. И теперь у меня есть парк агентов на этом устройстве, которые будут выполнять эту работу. Хорошо. Так что я запущу это в фоновом режиме. Мы будем спать каждые 60 секунд. Проверять задачу. Смотреть, как она выполняется. Хорошо. Итак, давайте откроем здесь курсор. Это частная проприетарная кодовая база. Но вы можете видеть здесь, что у нас есть приложения, и у нас есть восемь приложений. Давайте запустим экземпляр cloud code. Я буду использовать MCP JSON firecrawl. Это моя сокращенная запись для cloud code sonnet и yolo. Сразу же первое, что я делаю, я всегда включаю режим мышления. Нет причин не использовать больше вычислений. Я делал это миллион раз, и вы тоже. И поэтому мы закодировали этот инженерный рабочий процесс в многоразовую пользовательскую команду / команду / план сборки. Очень простые входные данные здесь. Пользовательский промпт и URL-адреса документации. Мы можем начать с нашей документации. Возьмем URL. Вставим это в доки. Мигрируем в SDK cloud agent. Когда я пишу эти промпты на очень высоком уровне, мне нравится просматривать точную работу, которую я собираюсь поручить своим агентам. Практикуясь в просмотре и принятии точки зрения ваших агентов, думая о том, что они увидят, вы найдете вещи, которые они, вероятно, упустят. Sonnet 4.5 не будет иметь проблем с многим из этого, но я хочу явно упомянуть, что системный промпт больше не является стандартным. Если вы используете этот SDK, вам нужно явно использовать этот новый синтаксис. Выделите этот конкретный раздел. Обратите пристальное внимание на раздел, чтобы убедиться, что мы обновляем до нового синтаксиса. И это все. Итак, сканирование, планирование, сборка. Что делает этот рабочий процесс? Давайте запустим его и поймем, что именно происходит. В начале я упомянул, что есть вещи, которые эти другие инструменты агентного кодирования не могут сделать. Позвольте мне показать вам, что именно я имею в виду. Итак, здесь у нас есть хорошо продуманный, хорошо построенный, многоразовый агентный промпт. Это трехэтапный рабочий процесс. Позвольте мне просто свернуть все, чтобы мы могли увидеть это на очень высоком уровне. Цель, переменные, инструкции, рабочий процесс, отчет. Сначала мы сканируем кодовую базу на наличие файлов. Затем мы планируем, что нужно сделать, а затем мы строим. Зачем нам этот дополнительный шаг сканирования? Если вы посмотрите на выполнение нашего агента прямо сейчас, вы увидите что-то действительно интересное. Первое, что происходит, это мы запускаем /cout. Итак, мы используем одну из совершенно новых функций cloud code. Вы можете запускать пользовательские команды / команды внутри пользовательских команд /. Позвольте мне сказать это иначе. Вы можете составлять свои агентные промпты. Хорошо, это огромно. Давайте откроем рабочий процесс и поймем, что именно это означает. Итак, посмотрите на это. У нас есть простой трехэтапный рабочий процесс. Теперь здесь происходит гораздо больше деталей, верно? Вы можете видеть, что это все, что мы передаем, и внезапно наш агент запускает четыре под-агента для выполнения работы от нашего имени. Давайте пройдемся по промптам и поймем, как мы объединяем больше вычислений с cloud code 2 и cloud 4.5 sonnet. Давайте настроим наш промпт сканирования, хорошо? Что происходит со сканированием? Ищите в кодовой базе файлы, необходимые для выполнения задачи, используя быстрый, эффективный по токенам агент. Итак, что мы здесь делаем, это делегируем процесс поиска из этапа планирования в этап сканирования. Если вы видели видео Elite Contacts Engineering, вы знаете, что мы здесь используем фреймворк R&D. Есть только два способа управлять вашим контекстным окном. R&D — сокращение и делегирование. Здесь мы выгружаем из этапа планирования и позволяем агентам, четырем агентам параллельно выполнять поиск для нас. Это быстрые, дешевые, но все же качественные модели, которые могут выполнять тонны инженерной работы за пределами окна вашего основного агента. Итак, вы можете видеть здесь, что под-агенты завершены. Вы можете видеть, что у нас работал Gemini light. У нас работал Codeex из этого поиска сканирования для под-агентов, которые затем запускают своих собственных агентов. Мы создали этот файл markdown с релевантными файлами. Теперь посмотрите на это, верно? Наши агенты быстро просмотрели именно то, что нужно изменить. У нас есть точное позиционирование, где нам нужно обновить эти файлы. Мы масштабировали наши вычисления здесь, чтобы получить несколько точек зрения, верно? Итак, мы не просто запустили еще одного агента clawed, который, знаете ли, сильно согласован с другими агентами clawed. Мы запустили Gemini, мы запустили Open Code, мы снова запустили Gemini с предварительным просмотром flash, мы запустили Codeex, верно? И мы даже можем запустить ha coup в этом рабочем процессе, если захотим. Но, таким образом, вы можете видеть, что этот фрагмент с релевантными файлами был создан. Мы переходим к шагу два. Наш планировщик прочитал все релевантные файлы, которые собрали наши сканеры, и теперь он парсит документацию, которая ему нужна. Мы хотим ее локально для всех наших агентов в нашем конвейере в будущем. Промпт сканирования будет находиться внутри кодовой базы для создания специализированных агентов. Если вы являетесь участником Agentic Horizon, у вас будет доступ к этому. Это один из расширенных уроков. Нет причин делать это вручную. Нет причин даже промптировать в цикле. Но, конечно, я делаю это здесь, чтобы мы могли пройти через это шаг за шагом вместе. Просто чтобы подытожить этот рабочий процесс сканирования, это то, с чем я экспериментировал, чтобы выгрузить контекст из этапа планирования. Вы действительно хотите, чтобы окно контекста вашего планировщика было свободным, чтобы сосредоточиться на выполнении задачи, а не просто на просмотре файлов. Просмотр файлов — это не совсем планирование, верно? Конечно, они наращивают контекст. Это важно, но этот трехэтапный рабочий процесс сканирования, сборки и планирования был очень, очень мощным. Итак, я хотел поделиться этим с вами здесь. Мы на шаге два. Во время планирования вы можете видеть, что мы собираемся записать наши AI-доки прямо сейчас. После нескольких шагов чтения, агент-писатель планирует. Планировщик не так нов. Вы, вероятно, видели эти рабочие шаги планировщика раньше. Вот наша отличная структура промптов. Вот наша цель, переменные, инструкции, рабочий процесс, отчет. Это довольно просто, верно? Мы будем анализировать, парсить, документировать, проектировать, документировать план, генерировать, сохранять и сообщать. Так что мы должны сохранять и сообщать здесь довольно скоро. Когда вы разделяете свои промпты таким образом на сканирование, планирование и сборку в любые рабочие процессы, которые вам нужны для вашей работы, вы делаете это очень легко для себя, вашей команды и ваших агентов, чтобы понять, что происходит. Эта функция из cloud code невероятна. Вы можете теперь объединять пользовательские команды /. Это означает, что вы можете объединять свои агентные промпты. Вы можете изолировать и повторно использовать еще больше, чем раньше. И вы можете использовать этот синтаксис, чтобы явно вызывать эти вещи. И агент будет точно знать, что вы хотите сделать. Хорошо, у нас есть этот составной агентный промпт, но, конечно, мы разбиваем его. У нас есть /cout plan с документами и, конечно, у нас есть наша сборка, которая будет запущена в конце. На самом деле, это должно запускаться прямо сейчас. Давайте посмотрим. Да, вот он. Отлично. Итак, у нас должен быть наш план. Давайте посмотрим, как выглядит наш план. Вот он. Типичный план. Он написал все, что нужно сделать. Мы агентно кодируем. Мы настраиваем многоразовые примитивы агентного кодирования. Эти планы, эти промпты, эти многоразовые и кодируемые фрагменты знаний, и мы убеждаемся, что наши агенты знают, как выполнять задачи, и мы развертываем вычисления умным способом, верно? Мы не можем взорвать контекстное окно наших агентов. И подумайте об этом рабочем процессе немного, потому что в этом рабочем процессе есть проблема. Вы заметите здесь, что один агент будет выполнять все эти вещи подряд. Хорошо, мы сделаем /context на нашем единственном агенте, который выполняет всю эту работу. И это большая проблема, которую мы полностью обошли в тактическом агентном кодировании, о котором мы поговорим чуть позже. Но вы можете видеть здесь, что наш агент прочитал этот план обратно и теперь мигрирует к новым параметрам агента clawed. Если мы просто скопируем это и перейдем к документам здесь, вы увидите именно это, это было переименовано, и поэтому наш агент просто работает над всеми исправлениями шаг за шагом. Это не та работа, которую вы должны делать. На самом деле, если вы промптируете эту работу туда и обратно, вы должны инвестировать в свой новый слой промптинга, верно? Вам нужно больше промптов, чтобы масштабировать ваши вычисления. И вы хотите сделать их многоразовыми. Промпт-инжиниринг критически важен. Он так же важен, как и контекстный инжиниринг. Верно? С каждым агентом, который вы запускаете, вы должны управлять основными четырьмя контекстом, моделью, промптом и теперь инструментами. Вы можете видеть, что наш план включал тесты внутри этой кодовой базы. У нас восемь пользовательских агентов, верно? Восемь приложений. Буквально, это восемь отдельных приложений, которые наш агент обновляет одно за другим, выполняя эти миграции. Хорошо, очень мощные вещи, и я могу гарантировать вам, что вы не продвигаете свои промпты достаточно далеко, и они могут сделать для вас гораздо больше, чем вы думаете. Хорошо, давайте посмотрим, где находится наш агент. Отлично. Отлично. Отлично. Критическая миграция системного промпта. Замечательно. Итак, он действительно обнаружил, что этот системный промпт нужно было заменить. Фаза пять, фаза шесть. Хорошо. Вау. Это все завершено. Протестирован агент pong. Фантастика. Итак, я просто собираюсь протестировать еще несколько агентов, для которых вам не нужен пользовательский интерфейс. Есть пара этих агентов, которые требуют пользовательского интерфейса. Мы просто пропустим их. И поэтому я могу гарантировать вам, кстати, наше выделенное устройство агента. Оно уже завершило свою задачу. Если я открою это и да, так вы можете видеть здесь, у нас был этот агент, спящий с интервалами в 60 секунд, а затем просто непрерывно проверяющий задачу, проверяющий текущий статус того, какой агент работает в этом конвейере агентов. Вы можете видеть, что здесь есть сборщик, и здесь есть отправитель. В отдельных 60-секундных интервалах — статус этой агентной задачи, выполняющейся на моем выделенном устройстве агента. Это очень, очень мощно. Но давайте просто подытожим, что произошло там, верно? Мы запустили один промпт сканирования, планирования, сборки, который запустил агентный промпт. Теперь, почему я продолжаю говорить агентный промпт? Это потому, что мы должны придать вес тому, насколько способны эти промпты. Мы не просто разговариваем с чат-интерфейсом с парой инструментов, который работает некоторое время. Это агенты в терминале. Это агенты, которые слушают. Существует высокая степень соответствия промпту с этими мощными моделями, такими как clawed sauna. А затем, чтобы продвинуть это еще дальше, и вот почему я говорю, что codec CLI, Gemini CLI, они не близки. Вы не можете быть близки к лидеру, просто копируя их набор функций снова и снова. У нас есть мощные вычисления, которые работают особенно хорошо внутри их специально созданного аппаратного обеспечения агента clawed code. И поэтому этот мощный промпт выполняет три шага, верно? Верно? У нас есть сканер, где мы ищем файлы, которые нам нужны для удовлетворения пользовательского промпта. И мы делаем это, потому что мы хотим вытащить часть работы, которую выполняет планировщик. Прямо сейчас планировщик, если мы перейдем к плану с документами, планировщик теперь имеет пару очень мощных переменных. Он может просто читать URL-адреса документации пользовательского промпта, передавая все это. И затем у нас есть коллекция релевантных файлов. И поэтому это был наш вывод сканирования. Он не просто говорит, какие файлы нужно обновить. Он фактически входит и говорит, какой смещение и сколько символов вам нужно прочитать, чтобы получить ценную информацию. И поэтому несколько агентов попытались это сделать. Затем у нас есть пара статических переменных в этом выводе плана промпта и выводе документации. И затем у нас есть наши полные инструкции и наш рабочий процесс. И, наконец, у нас есть наша сборка. Сборка — это промпт более высокого порядка, где мы передаем промпт в промпт. Мы говорили об этом на канале раньше. Посмотрите предыдущие видео, чтобы наверстать упущенное. И это наш рабочий процесс сканирования. Это сила отличного инструмента агентного кодирования, такого как cloud code. Вы не можете сделать это с этими другими инструментами. Итак, мы запустили этот отличный промпт, простой промпт от среднего до высокого уровня, и вся эта работа выполняется нами агентно. Документация была прочитана, и так далее, и так далее. Теперь важно отметить здесь. Если я введу /context, есть кое-что, что я хочу вам показать. Cloud code добавил эту функцию автосжатия буфера. 22% моего контекстного окна абсолютно приготовлены. Так что давайте поговорим об этом подробнее через секунду. Что я изначально хотел сказать, это посмотрите на мои сообщения. 51% контекста используется этим агентным рабочим процессом. Опять же, в тактическом агентном кодировании мы полностью решаем эту проблему, используя выделенные рабочие процессы AI-разработчика. Мы объединили старый мир необработанного кода с новым миром агентов. Мы объединили их и изолировали контекстное окно наших агентов. Это большие идеи, о которых мы говорим в тактическом агентном кодировании. В этом есть проблема, верно? Есть ограничения. И ограничение, конечно, — это контекстное окно. Наш основной агент, даже с нашим делегированием, все равно использовал около 50% нашего контекстного окна, верно? Представьте, если бы мы продвинули это дальше. Представьте, если бы у нас была большая кодовая база, которую нам пришлось бы просмотреть. Представьте, если бы наш промпт был еще более подробным, чем он, конечно, мог бы быть, верно? Это огромное ограничение отдельных агентов. Вот почему мы масштабируемся до агентных систем outloop. И мы посмотрим на результаты нашей системы outloop через секунду. Я просто хочу упомянуть, что этот объединенный агентный промпт имеет ограничения. Ограничение — это, конечно, ваше контекстное окно агента, и оно усиливается и еще более ограничивается здесь автосжатием буфера из инструмента cloud code. Итак, есть настройка внутри cloud code. Если мы откроем новый экземпляр здесь, откроем cloud code, а затем введем /config. Вы можете видеть, что у нас есть автосжатие true, с автосжатием true. Если вы введете /context, и позвольте мне немного уменьшить это, чтобы мы могли лучше видеть. Вы можете видеть, что у нас есть автосжатие. 22% нашего контекстного окна потеряно. Хорошо, это огромное препятствие для cloud code. Но, конечно, команда cloud code знает, что это драгоценный ресурс для всех, кто использует агентов. И поэтому вы можете просто отключить это. И вот что я делаю. Так что показать сжатие или автосжатие, я просто выключаю это. Если вы выключите это, а затем снова запустите контекст, посмотрите на это. У нас есть полные 91% свободно, как мы хотим. Единственное, что здесь есть, это наши пользовательские агенты, несколько сообщений настройки и встроенный системный промпт системных инструментов. Хорошо, это то, что вы хотите. Вы хотите сфокусированного, чистого агента с как можно большим количеством токенов. Да, мы были в 14% от взрыва нашего контекста здесь, в нашем большом агентном рабочем процессе сканирования, планирования и сборки, верно? И снова, ADW — это решение для этого. Контекстное окно — это жесткое ограничение для нас в эпоху агентов. Мы должны уважать это и работать вокруг него. И мы всегда должны наблюдать, что видит наш агент. Какова точка зрения вашего агента? Есть ли у него место? Есть ли у него инструменты? Есть ли у него правильная модель? Есть ли у него правильное ядро? Это большие идеи, на которых мы должны сосредоточиться. Как агентные инженеры, мы должны понимать, что могут делать наши инструменты и каковы их ограничения, чтобы мы могли понять, что мы можем делать и каковы наши ограничения. Существует прямая причинно-следственная связь между вашей способностью контролировать, создавать и использовать агентов и вашим инженерным выводом. Хорошо? Если вы мне не верите, вы не на том канале. Что дальше? Итак, все четыре протестированных агента теперь работают идеально. Вы можете видеть здесь, у меня есть специализированный стиль вывода. Cloud code 2.0. Фантастический релиз. Но кое-что, что я заметил и что мне совсем не понравилось, это то, что они жестко обрезают большую часть вывода вашего агента по мере его выполнения, верно? Они хотят сделать его более чистым, лаконичным и компактным. Я понимаю эту точку зрения продукта, но я думаю, что, возможно, Cloud Code идет немного слишком широко, пытаясь сделать его инструментом для всех, а не только для инженеров. Посмотрим, как это будет развиваться. Как инженер, как я и говорил, вы хотите иметь возможность точно понимать, что может делать ваш инструмент, и это помогает знать это, просто видя все выводы. Итак, вы можете видеть здесь, я разработал стиль вывода, и я поделюсь им. Я не могу поделиться этой кодовой базой. Это для инженеров внутри тактического агентного кодирования. Но я поделюсь своим стилем вывода здесь. Наблюдаемые различия инструментов TTS. Итак, это трехформатный стиль вывода. Вы получаете все три отчета о различиях. Вы получаете упорядоченные вызовы инструментов и сводку аудиозадач. Вы можете видеть здесь, у нас есть наши инструменты, и поскольку наш последний промпт только запускался, нет различий для отчетности. Ссылка будет в описании, если вы заинтересованы в этом стиле вывода cloud code. Если вы находитесь в Agentic Horizon, вы увидите обновленный синтаксис SDK cloud agent здесь. Благодаря этому рабочему процессу, который вы видели в этом видео, верно, один промпт, и эта работа теперь выполнена. Я проведу еще немного тестирования вне экрана, чтобы убедиться, что все выглядит хорошо. Давайте перейдем к нашей системе outloop. Что здесь произошло? Наш агент сделал все. Они отправили это для нас от начала до конца. Итак, давайте посмотрим, что именно мы получили. Я скопирую это. Хорошо, нажмите новый временный клон cd open. Давайте посмотрим на это в курсоре. Давайте посмотрим, что наши агенты построили для нас. У нас есть три агента, которых мы просили. И для ясности, позвольте мне просто скопировать это. Вставить это в этот файл. И вы увидите именно то, что мы промптировали здесь, верно? Итак, мы хотели три SDK агента OpenAI. один с инструментом веб-поиска, другой с инструментом функции. Это как пользовательский инструмент. А затем мы хотели изучить агент OpenAI реального времени. И это то, что я сделаю, кстати, когда я промптирую агентов и занимаюсь быстрой прототипизацией. Я заставлю агента создать что-то простое, проверить его, а затем создать что-то более сложное, проверить это и продолжать двигаться вверх. Верно? Так же, как и с инженером, верно? Младший инженер или стажер или даже штатный старший главный инженер, верно? Гораздо проще начать с чего-то простого и рабочего, чем переходить к чему-то потенциально сложному. Давайте посмотрим, как это сработало, верно? У нас есть пара файлов здесь. Давайте просто запустим их. UV run. Давайте запустим нашего базового агента с веб-поиском. Я даже не буду смотреть, что в этом. Просто запустим. И нам нужен ключ API OpenAI. Вот моя команда экспорта. Вверх. Запустим снова. И мы запускаем нашего агента с нашим инструментом веб-поиска. Вот запрос. Каковы последние разработки в области AI-агентов 2025 года? Вот результат. Всего два хода. Похоже, у нас неплохой список. Отлично. Да. Итак, главное новостное объявление. Это то, на что мы можем легко опереться как на истину, cloud 4.5 sonnet. Итак, это работает отлично. У нас есть этот инструмент веб-поиска внутри SDK агента. И, знаете, опять же, вне цикла на моем выделенном устройстве агента. Я просто написал промпт и сказал: "Настрой это для меня. Научи меня точно, как это работает." Верно? И поэтому мои агенты делают именно это. Давайте посмотрим, как далеко продвинулся наш агент. Верно? Дошли ли мы до голосовой связи в реальном времени? Давайте посмотрим. Итак, давайте скопируем этот. Это агентные инструменты функции. Вы запускаете, я полагаю, у него есть пара простых примеров использования инструментов: получить информацию о пользователе. Так что, если я просто скопирую это, я предполагаю, что это будет локальный пользовательский инструмент. Да, именно это и происходит. И вот как вы настраиваете, знаете ли, SDK агента OpenAI с пользовательским инструментом. Это тот, который я действительно хотел протестировать. Давайте посмотрим, как это работает. Полное аудио потребует дополнительных библиотек. Хорошо, так что это может не сработать. Это, безусловно, самое сложное. Вот наш ответ. Давайте запустим это и посмотрим, как далеко мы продвинемся здесь с нашим API реального времени. Давайте посмотрим, что происходит. Обработка событий в реальном времени. Итак, похоже, здесь еще предстоит работа. Интересно, есть ли какая-то простая передача строки, которую мы можем настроить здесь. Так что я просто запущу быстрый экземпляр clog здесь и скажу: "Настрой быстрый пример того, как". Хорошо, у нас есть AI-доки в этом каталоге. Я просто свяжу это с рабочим ПК. Настрою быструю аудиореализацию. И поэтому мы просто дадим этому один шанс. Это требует нескольких промптов. Мы возьмем это на бэкенд и поработаем над этим. Главная идея здесь в том, что с помощью одного промпта мы можем настроить целые среды и заставить нашего агента выполнять действия внутри этих сред. Верно? Вы видели это здесь, верно? Наш агент запустил эту задачу, и она перешла прямо на мое выделенное устройство агента на моем M4 Mac Mini. И вы можете видеть, что мы получали живые обновления с интервалами в 60 секунд с момента запуска. И поэтому, если мы скачаем наше фактическое устройство агента, вы можете видеть сверху вниз все, что здесь произошло, верно? Вот URL GitHub, который был смонтирован. Вот вся документация. Вот наши аргументы. У меня есть полный журнал. Что я хочу вам здесь показать, это преимущество, которое вы можете начать строить прямо сейчас для своей инженерной работы, для работы вашей команды, для работы вашей компании. Вы действительно хотите иметь выделенное устройство агента, которое работает, строит и выполняет инженерную работу от вашего имени. Вам не нужно сидеть в цикле для каждой задачи, над которой вы работаете. Верно? Если мы просто прокрутим вниз, знаете ли, мы можем видеть, что у нас был наш план сборки. Позвольте мне включить regex. И у нас также был наш агент доставки, который выполнил нашу фактическую отправку git. Верно? Так что вы можете просто видеть построчно, шаг за шагом внутри моего устройства агента. Он завершил работу. У него есть выходные файлы. Я могу отследить весь процесс, и все это поддерживается базой данных. Мы подробно рассказываем о том, как построить ваше выделенное устройство агента, как выйти из цикла, и мы делаем это в рамках тактического агентного кодирования. Это мой взгляд на то, как строить с агентами, чтобы масштабироваться за пределы AI-кодирования и vibe-кодирования с продвинутым инжинирингом, настолько мощным, что ваша кодовая база работает сама по себе. И я знаю, простой пример, мы просто настроили несколько доказательств концепции, передав некоторую документацию, но я могу гарантировать вам, что вы можете продвинуть это гораздо дальше. Я продвигаю это гораздо дальше. Я хочу, чтобы у вас было это огромное преимущество. Многие инженеры упустят это. Хорошо? На первый взгляд, сидеть здесь, в цикле, с вашим агентом, кажется очень приятным, верно? Кажется, что вы делаете много работы. Но как только вы поймете, что можете настроить лучших агентов, больше агентов, а затем пользовательских агентов, у меня теперь возникает такое чувство, когда я промптирую туда и обратно с одним агентом. Вау, я трачу время. Как мне масштабировать это? Как мне добавить больше вычислений? Как мне добавить больше агентов? Как мне создать пользовательского агента, который делает это лучше, чем любой агент, работающий в цикле? Вот о чем тактическое агентное кодирование. Хорошо, это для инженеров, которые отправляют. И, кстати, я должен просто остановиться и сказать, что это вышло неделю назад, и у нас уже сотни инженеров на этом курсе. Большой привет всем, кто прошел тактическое агентное кодирование и получил пользу и начал двигаться по новой системе, которая важнее всего построить. Что, если бы ваша кодовая база могла отправлять себя сама? Вот главная идея. Это не для всех. Это не для новичков. Вся идея здесь очень проста. Нам нужно отказаться от старых способов инжиниринга, и нам нужно освоить новый лучший инструмент для инжиниринга агентов. Хорошо. И главная идея, о которой мы говорим на протяжении всего тактического агентного кодирования, заключается в том, что вы хотите построить систему, которая строит систему. Хорошо. И что мы только что сделали здесь в действительно, своего рода, маленьком микрокосмическом примере? Мы использовали систему, которая просто включена. Мы передали ей промпт, и она выполнила для нас произвольную инженерную работу. Теперь, чтобы быть абсолютно ясным, этой кодовой базы не существовало до того, как я запустил этот промпт. Этот рабочий процесс создал эту кодовую базу, верно? Так что я мог бы, я мог бы промптировать что угодно, верно? Я действительно мог бы сказать и попросить что угодно. Это дифференцирующее преимущество для инженеров. Мы говорим о несимметричной отдаче от вашего инженерного времени. Хорошо, я написал два промпта, а затем просто рассказал вам о том, что произошло. Знаете, некоторые инженеры, которые прошли тактическое агентное кодирование, начинают строить свой новый слой вокруг своей кодовой базы. Они начинают строить и использовать тактики. Ваш инженерный вывод будет абсолютно ошеломляющим, как только вы начнете использовать тактики агентного кодирования. Хорошо, так что просто пара вещей, которые стоит упомянуть. Речь идет о построении системы, которая строит систему. Речь идет о сосредоточении на агентной части, агентной системе в вашей кодовой базе, и позволении ей выполнять построение для вас. Знаете, чтобы быть абсолютно ясным, это начинается с ваших многоразовых промптов, верно? Вы видели это здесь, внутри нашей кодовой базы для создания специализированных агентов. Знаете, еще одна отличная функция из cloud code — это поиск по обратным кавычкам. Я теперь могу сказать AFK, вот наш промпт AFK там, и я также могу искать наш сканер, так что вот тот промпт сканирования, который мы запустили. Знаете, вы можете видеть здесь, что этот промпт был идеальным примером построения понемногу, шаг за шагом, верно? Мы составляем промпты. Это идеальный пример того, что если вы инвестируете в промпт, верно, и вы понимаете, что вы можете делать с агентными промптами, вы можете затем позволить вашей системе построить ваше приложение, верно? И это главная идея. И мы углубляемся в серьезные, серьезные детали в тактическом агентном кодировании. Мы говорим о масштабировании основного ядра из четырех элементов. У нас есть восьмиуровневое ядро. Здесь мы говорим о главных идеях. Постройте систему, которая строит систему. А затем у нас есть Agentic Horizon. Итак, я упоминал это пару раз. Здесь вы найдете элитный контекстный инжиниринг и агентный промпт-инжиниринг и, конечно же, кодовую базу для создания специализированных агентов. Это дополнительный продукт, который вы можете приобрести в рамках тактического агентного кодирования. Прямо сейчас у нас все еще действуют пара сделок. К тому времени, когда вы это увидите, это, вероятно, будет до 9 или 8, но есть две сделки. Если вы являетесь участником Principled AI Coding, у вас есть дополнительная сделка. Но если вы не являетесь участником Principled AI Coding, и вы знаете, если вы им являетесь. Если нет, вы все равно можете воспользоваться специальным предложением для ранних пташек. Если вы не являетесь участником, у вас не будет обеих скидок. Позвольте мне просто сказать это громко и ясно. Была некоторая путаница в предыдущем видео. Так что позвольте мне быть очень откровенным по этому поводу. Нет никаких трюков. Нет никаких уловок. Я пытаюсь привлечь отличных инженеров, которые инвестируют в себя, как только они увидят возможность, возможность сделать это. Хорошо. Присоединяйтесь к этому курсу. Мы говорим о построении с агентами и масштабируемся далеко за пределы этого промптинга туда и обратно, который, как многие инженеры думают, является о, так мощным. И это мощно, но это только начало. Это действительно только начало. Итак, это была короткая сессия агентного кодирования. Я имею в виду, я запустил всего два реальных промпта, пару последующих промптов, чтобы просто привести в порядок. Мне очень любопытно, получим ли мы полное завершение здесь из API реального времени. Похоже, я получил отличное начало. Опять же, мой агент просто собрал это для меня. 200, знаете ли, 300, 500 строк кода для начала этого доказательства концепции. Хорошо, так что это выглядит как неплохая отправная точка. Конечно, агент в коробке без звука, вероятно, не продвинется далеко в такой задаче. Так что мне придется продвигать это дальше, но это фантастика. Проверьте ссылки в описании, чтобы начать работу с тактическим агентным кодированием. Держите свои глаза сосредоточенными на самых важных инструментах. Не попадайтесь на хайп. Cloud 4.5 Sonnet — это, по сути, лучшая модель кодирования в мире. И вдобавок к этому, внутри Cloud Code, это лучшая модель агентного кодирования. Это лучшая агентная модель. Вы можете настраивать длинные цепочки, длинные рабочие процессы, которые выполняют работу от начала до конца от вашего имени на вашем устройстве и внутри выделенных сред агентов. Это большие идеи, о которых мы будем говорить на канале. Убедитесь, что вы подписаны. Убедитесь, что вы настроены. У нас есть все необходимое, чтобы получить огромную ценность от наших агентов. Теперь пришло время приложить усилия и построить мощные системы, которые работают от нашего имени. Спасибо за просмотр. Увидимся в следующем видео. Оставайтесь сосредоточенными и продолжайте строить.