Transcription
Давайте поговорим о простом подходе к тому, как думать о создании программного обеспечения с помощью кодирующих агентов. Если вы только начинаете, вот что обычно происходит. У вас есть идея для приложения или программного обеспечения. Вы используете кодирующего агента для его создания. Он, вероятно, создаст сотни файлов, обычно все сразу, на основе очень сложной архитектуры. И результат, в большинстве случаев, терпит неудачу. Затем вы узнаете о чем-то под названием разработка, управляемая спецификациями. Теперь в этом случае вы предоставляете свою идею тому же кодирующему агенту, но кодирующий агент будет планировать все, создавать функции, придумывать спецификации, а затем он проводит собственное исследование, создает задачи для себя, реализует их, тестирует их, и обычно этот подход работает относительно лучше. Однако в процессе, как новый разработчик программного обеспечения или w-кодер, вы на самом деле мало чему учитесь. Поэтому вот что я рекомендую новым разработчикам программного обеспечения или VIP-кодерам. Это то, что я называю VE-планированием. И здесь вы должны думать об LLM или кодирующем агенте как о сотруднике или партнере, а не как о инженере программного обеспечения, которому вы просто перекладываете задачи. Сначала вы обдумываете свою идею с кодирующим агентом. Этот кодирующий агент будет отличаться от того, который вы будете использовать для окончательной реализации. Но самое главное — просить обратную связь. Попросите модель задавать вам уточняющие вопросы. Это чрезвычайно полезно, особенно для вашего собственного обучения. Используйте принцип "разделяй и властвуй". Поэтому вместо того, чтобы планировать все приложение, разделите его на атомарные части и планируйте эти атомарные части. Итак, скажем, если у вас есть интеграция бэкенда с фронтендом, есть определенные API, которые вы хотите разделить на разные функции или этапы, которые кодирующий агент будет планировать отдельно, учитывая общую картину, а затем вы выбираете одну функцию за раз. Вы планируете это, используете другого кодирующего агента, который отделен от планирующего агента, для реализации этой функции. Вы тестируете ее, проверяете ее с помощью первоначального кодирующего агента, который создал план, и повторяете весь этот процесс. Это гарантирует отсутствие регрессий в производительности или того, что он не затронет реализации, которые уже работают. Вы можете следовать этому рабочему процессу практически в любом кодирующем агенте, или вы можете использовать специализированные инструменты, такие как Tracer, чтобы помочь вам построить этот рабочий процесс без каких-либо хлопот. Это позволяет вам создавать планы для каждой функции. Затем используйте независимых агентов, таких как clot или co-pilot, для фактической реализации и позвольте Tracer проверить реализацию. Фактически, это просто расширение VS Code, которое вы можете установить внутри своего кодирующего агента. Мне лично очень нравится их рабочий процесс, и я действительно рад, что они делают это видео возможным благодаря своему спонсорству. Теперь процесс, который я собираюсь вам показать, возможен внутри любого кодирующего агента, но Tracer делает его намного более гладким и легким. Теперь вам нужно будет установить это расширение в VS Code или в выбранной вами IDE, а затем вам нужно будет зарегистрироваться, и вы сможете начать использовать это бесплатно. Но позвольте мне показать вам практический пример того, как вы бы использовали рабочий процесс. Хорошо, вот расширение Tracer в VS Code. Есть два варианта. Вы можете общаться с ИИ, чтобы уточнить намерение, а затем разбить его на управляемые задачи. И второй вариант — создать подробный план на уровне файлов, уточнить его с помощью ИИ, а затем отправить агенту для выполнения. Итак, что я собираюсь сделать, это начать с этапов. Я хочу провести беседу с агентом, чтобы он помог мне составить план, и именно это я обычно делаю. Например, я хочу создать веб-приложение, которое будет использовать HTML для фронтенда. Для бэкенда я хочу использовать модель Google nano banana для генерации изображений на основе запроса пользователя. Пользователь предоставит текстовый запрос. Веб-приложение должно сгенерировать четыре изображения. Пользователь должен иметь возможность выбрать одно из них. Затем последующим образом передать это новое изображение вместе с текстовым запросом для продолжения генерации. Я хочу использовать REST API. Так что я не хочу использовать какой-либо SDK. Ищите документацию для модели Google nano banana с REST API. Кстати, это была транскрипция в реальном времени. Я работаю над приложением для транскрипции, которое чрезвычайно быстро. Итак, мы отправим это и проведем беседу с агентом, чтобы составить план. Прямо сейчас он фактически выполняет поиск в Google, чтобы найти конечную точку API Google nano banana. И это одна из лучших функций, которая мне нравится в Tracer. В отличие от некоторых других агентских систем, он имеет возможность выполнять веб-поиск и решает использовать этот инструмент, когда он планирует. Итак, он нашел Gemini 2.5 flash image, который имеет прозвище nano banana. Затем он спрашивает нас об API-ключе. Он будет использовать NodeJS. Он дает рекомендации. Он говорит, что вы упомянули HTML для фронтенда, но какую серверную технологию мы хотели бы использовать. Итак, варианты: NodeJS, Python. Я комфортно себя чувствую с Python. Так что мы скажем Python, а затем количество генераций изображений. Итак, это будет четыре варианта в одном вызове API или четыре отдельных вызова. Давайте уточним это: для бэкенда используйте Python, а для генерации нескольких изображений используйте количество кандидатов, если это работает. И для хранения мы можем хранить его временно в памяти. Хорошо, мы отправим это. Итак, он составил подробный план. Если вы нажмете на него, вы увидите, что у него есть несколько разных этапов. Итак, мы можем сгенерировать план для каждого из этапов. Он завершил подробный план со всеми требованиями. Теперь, что интересно, Tracer фактически предлагает план реализации, и этот план реализации состоит из одного файла. Итак, вот разные файлы, которые он предлагает создать, и что должно быть в каждом из этих файлов. На данный момент проект пуст. Теперь, если мы довольны этим планом, вы можете либо выполнить его в copilot tracer, либо передать его в cloud code. Мы выполним его в cloud code, как только согласимся с планом реализации. И здесь вы фактически можете увидеть, что Tracer отслеживает вещи. Итак, он спрашивает, хотите ли вы проверить, что сделал cloud code? Мы можем перейти к этапу проверки. И здесь наш Tracer способен проверить реализацию от cloud code. Хорошо. Как только бэкенд будет реализован, мы можем перейти к клиенту REST API Gemini. Опять же, мы можем идти шаг за шагом и реализовать каждый этап. На этом этапе он хочет реализовать еще несколько файлов Python. Он также показывает нам, как именно должен выглядеть REST API. Какими будут различные параметры? Каков ожидаемый вывод? Так что чрезвычайно подробно, и это именно то, что вы хотите сделать. Теперь мы передадим это в cloud code для выполнения. И после этого мы протестируем функциональность бэкенда, чтобы убедиться, что все работает. Я склонен проводить инкрементальное тестирование. Таким образом, вы можете отслеживать прогресс, который делает агент, а также вы можете тестировать различные компоненты. Теперь, чтобы протестировать конечные точки API, нам нужно будет предоставить наш ключ API Gemini. И он также добавил ссылку на Google AI Studio, что довольно здорово. Хорошо, здесь кажется, что он нашел проблему с реализацией. Мы все исправим. Итак, он предоставляет контекст того, что именно нужно исправить. Как только эта функция была реализована, я попросил cloth запустить тест, чтобы увидеть, работает ли конечная точка API или нет. Он также обнаружил небольшую ошибку, но кажется, что все работает в данный момент, верно? Так что это здорово. Теперь мы можем строить на этом. Итак, мы перейдем к следующему этапу. Итак, он завершил еще один план для следующего шага. Мы выполним все в cloud code. Опять же, он открывает еще один терминал. Но в каждом случае он предоставляет cloud code достаточно контекста, чтобы он фактически знал, над каким проектом он работает. Итак, мы только что выполнили последний шаг. Кажется, он не нашел никаких регрессий, что довольно здорово, верно? И, как вы можете видеть, мы просто строим шаг за шагом. и Tracer помогает нам все контролировать. Теперь момент истины. Итак, было несколько проблем. Например, количество кандидатов не сработало. Поэтому теперь мы делаем четыре отдельных вызова API вместо использования этого. Но давайте запустим это и посмотрим, какой результат мы получим. Хорошо. Итак, вот как выглядит приложение. Кажется, есть текстовая кнопка или место для ввода запроса. Затем мы можем сгенерировать изображение. Также есть итерация с выбранным изображением. Так что я думаю, когда он сгенерирует изображения, мы сможем итерировать, надеюсь. Давайте посмотрим. Создайте изображение кошки на скейтборде на пляже. За кошкой закат. Хорошо. Так что не лучшие из запросов, но давайте отправим это. Теперь он будет делать четыре разных вызова API, а вызовы API nano banana занимают некоторое время. Так что я вернусь, когда он сгенерирует изображения. Хорошо. Так что довольно круто, верно? Итак, у нас есть несколько разных изображений. Теперь вы также увидите этот текст. Banana banana на самом деле является мультимодальной моделью. Так что она генерирует изображения вместе с текстом. Хорошо. Итак, все они выглядят довольно мило, но я выберу этот. И давайте посмотрим, сработает ли последующий запрос. Наденьте шляпу на кошку, пока она пьет апельсиновый сок на диване, смотрит телевизор. Хорошо, мы отправим это сейчас и подождем. Хорошо, мы получаем еще четырех кошек. Эта кошка определенно выглядит очень похоже на оригинал. Итак, вот та, которую мы выбрали. Хотя я думаю, что она потеряла тот шарф. Но в целом композиция очень похожа. Так что довольно хорошая работа. И если бы вы хотели добавить еще одну функцию, вы могли бы просто добавить новое лицо. Мы опишем фазу, а затем сможем использовать Tracer, чтобы помочь нам реализовать это. В целом, Tracer — это чрезвычайно мощный инструмент, который может помочь вам в планировании ваших пяти кодирующих приложений. И мне лично очень нравится эта разработка, управляемая спецификациями, наряду с проверкой, которую предоставляет Tracer. Вы можете начать использовать Tracer абсолютно бесплатно. Вы получаете 7-дневную пробную версию Pro. Ссылка будет в описании видео. Теперь цель этого видео была не только показать вам инструмент, но и провести вас через полную технику. И цель будет заключаться в том, чтобы разбить ваш проект на управляемые задачи, независимо от того, занимаетесь ли вы w-кодингом или разработкой самостоятельно, а затем реализовать эти задачи, планируя их, и вы предоставите гораздо лучший контекст вашей кодирующей модели. В любом случае, я надеюсь, это видео было полезным. Спасибо за просмотр, и, как всегда, до встречи в следующем.