Если давать агентам строить или расширять кодовую базу почти без контроля, результат быстро становится трудно поддерживать. Плохие решения — и крупные, и мелкие — накапливаются, пока код не становится неудобным и для человека, и для самого агента.

Проблема, похоже, в двух вещах: модели плохо держат целостную архитектурную картину, а промпт почти всегда оставляет пробелы, которые агент заполняет на своё усмотрение. Чем точнее спецификация, тем ближе ты уже к тому, чтобы писать код вручную.

Агенты всё ещё могут сильно ускорять работу, но стабильный workflow, который даёт и скорость, и поддерживаемый production-grade код, пока не выглядит решённой задачей.

Я часто использую skill /finalize после завершения работы, чтобы довести результат до состояния, готового к отправке.

Он автоматически исправляет очевидные проблемы, при необходимости создаёт branch/PR, упрощает код там, где это безопасно, и помогает посмотреть на изменения с учётом слепых зон и возможных альтернатив.

У меня это работает довольно хорошо.

Anecdotally, most engineers I know are just rolling their own agent harnesses — moving toward ultra-customized and not so scalable containers of code.

Нашёл базу с самыми быстрорастущими GitHub-репозиториями.

Вот ссылка: ossinsight.io

Это must-have ресурс для ежедневного и еженедельного отслеживания, если хочется находить самые современные AI-инструменты раньше других.

Можно выбрать любой период времени и посмотреть, какие репозитории показали лучший рост именно за этот промежуток.

Больше не нужно читать сотни бесполезных твитов, где авторы делятся «недооценёнными» или «секретными» репозиториями.

Более того, 95% полезных репозиториев вообще не попадают в X.

Я уже нашёл там 3 инструмента за прошлую неделю и встроил их в свой workflow.