Когда DevOps только появился, его задачей было не ускорить написание кода 👨‍💻

Решалась иная проблема. За разработкой уже давно стоят не только программисты. Код нужно было тестировать, собирать, разворачивать, сопровождать. И чем больше становилась команда, тем дороже обходились разрывы между этапами. DevOps превратил эти разрозненные процессы в единую систему.

Сегодня похожий этап проходит искусственный интеллект. Во многих командах ИИ по-прежнему используют как отдельный инструмент: написать функцию, объяснить ошибку или попросту сгенерировать текст.

Но настоящий эффект появляется тогда, когда ИИ получает доступ не только к запросу пользователя, а к рабочей среде – к репозиторию, документации, истории проекта, архитектуре, разным моделям и возможности сопровождать задачу на протяжении всей работы.

Сегодня ИИ-оркестраторы объединяют сам искусственный интеллект с процессом создания программного обеспечения.

Попробуйте на практике и вы, скачайте ИИ-оркестратор CodeGryphon, а также листайте карточки 👇

Почему миллион токенов не гарантирует, что AI поймет ваш проект? 🧠

Развитие LLM долго измеряли цифрами: больше параметров, контекста и прочих составляющих. Особенно впечатляюще выглядит рост контекстных окон. Кажется логичным: если модель способна принять больше информации, значит, ей можно показать практически весь проект и проблема понимания контекста исчезнет. Но в реальной разработке все сложнее.

Проект — это не просто набор файлов, который нужно положить в пропмт. Это архитектура, зависимости, документация, история изменений, бизнес-логика, соглашения команды и огромное количество информации, которая может быть важна для одной задачи и совершенно бесполезна для другой. Поэтому вопрос постепенно меняется с «сколько контекста помещается?» на «какой контекст действительно нужен прямо сейчас?».

AI должен не просто иметь доступ к информации, а уметь находить нужную ее часть, связывать ее с текущей задачей и использовать в правильной последовательности. Это особенно важно для агентных сценариев. Когда AI не просто отвечает на вопрос, а несколько минут или часов работает над задачей, ему приходится постоянно возвращаться к проекту, находить новые зависимости и использовать результаты предыдущих действий. Именно поэтому в AI-разработке появляется отдельная инфраструктурная задача — управление контекстом.

Хороший оркестратор не пытается передать модели все. Он помогает передать ей нужное: проект, файлы, документацию, репозиторий, инструменты и результаты предыдущих шагов. Потому что настоящий контекст — это не количество токенов, это способность системы понимать, какая информация имеет значение для конкретной задачи. 🧘‍♀️

Что произойдет, если AI перестанет быть инструментом для написания кода? 🤔

На протяжении нескольких лет AI в разработке ассоциировался прежде всего с генерацией кода. Автодополнение, написание функций, рефакторинг — именно эти сценарии стали первым массовым применением LLM среди разработчиков. Но сегодня область применения гораздо шире. IBM описывает использование AI на различных этапах SDLC: от сбора требований и проектирования до разработки, тестирования, поддержки и документации. Gartner также отмечает, что AI-ассистенты постепенно выходят за рамки простой генерации и дополнения кода. И это меняет саму роль AI.

Если модель используется только для генерации функции, достаточно хорошего ассистента. Но если она участвует в нескольких этапах, возникает уже другая задача: как связать эти действия между собой?

Представим разработку новой функции. AI анализирует требования, изучает существующий код, предлагает архитектурное решение, меняет несколько компонентов, создает тесты, анализирует результат и помогает подготовить документацию. Это уже не один запрос, а полномасштабный процесс разработки. А значит, системе необходимо понимать последовательность действий, сохранять контекст, выбирать инструменты и модели и контролировать результат каждого этапа.

Получается, что AI постепенно движется от «помоги мне написать код» к «помоги мне довести инженерную задачу до результата». И именно на этом уровне появляется потребность в оркестрации.