Создатель Claude Code Борис Черны на конференции Meta @Scale заявил, что циклы с ИИ-агентами уже стали рабочим инструментом, а не временным трендом.
Во время выступления один из первых вопросов из зала касался именно циклов. На вопрос «Это следующий хайп-цикл или реальная технология?» Черны ответил прямо: «Да, это реально».
Он описал смену подходов к разработке так: «Два года назад мы писали исходный код вручную. Затем начали переходить к тому, чтобы код писали агенты. А теперь переходим к этапу, где агенты формулируют запросы для других агентов, которые уже пишут код». По словам Черны, переход к циклам по значимости сопоставим с переходом от ручного написания кода к агентам.
Позже в выступлении Черны рассказал, как использует такие циклы в своей работе. Один агент постоянно ищет способы улучшить архитектуру кода, другой — повторяющиеся абстракции, которые можно объединить. Они отправляют pull request как обычные разработчики, а поскольку кодовая база всё время меняется, их работа не останавливается.
Идея цикла в этом случае сводится к тому, что несколько агентов непрерывно работают в фоне и получают право самостоятельно продолжать задачи без постоянного вмешательства человека. На фоне роста качества моделей такой подход может стать следующим шагом для задач, где ИИ должен выполнять практическую работу, а не отвечать на разовые запросы.
При этом сам принцип нельзя назвать новым. В программировании давно используются рекурсивные циклы — функции, которые вызывают сами себя для повторения действия до наступления условия остановки. В случае с агентами логика иная: решение о завершении часто принимает вспомогательный агент, а не жёстко заданное условие.
Один из популярных приёмов — Ralph Loop, названный в честь Ральфа Виггама. В такой схеме модель кратко подводит итог уже выполненной работы и проверяет, достигнута ли цель. Это помогает в ситуациях, когда модель теряет нить задачи при долгой работе, и позволяет снова возвращать её к выполнению до завершения процесса.
Циклы также можно рассматривать как часть более общего курса на увеличение вычислений во время выполнения задачи. Ранее в этом месяце исследователь OpenAI Ноам Браун сказал, что современные модели способны решать почти любую задачу, если дать им достаточно вычислительных ресурсов. Отсюда следует практический вывод: один из способов добиться результата — продолжать выделять вычисления, пока задача не будет доведена до нужного состояния.
Такой подход особенно подходит для задач пошагового улучшения, например доработки кодовой базы. Модель может вносить небольшие изменения до достижения заданного порога качества. В примере Черны этот процесс может продолжаться столько, сколько доступно вычислительных ресурсов.
У такого подхода есть и явный минус: циклы с агентами быстро расходуют токены. В отличие от простых чат-ботов в формате вопрос-ответ, такие системы требуют больше ресурсов, а если цикл работает непрерывно, верхней границы затрат фактически нет. Для Anthropic, чей бизнес напрямую связан с продажей токенов, это выглядит естественно, но для остальных компаний такой режим работы может оказаться дорогим.
При этом выгода может оправдать расходы, если цикл решает действительно важную задачу и настроен так, чтобы контролировать траты токенов, отклонение от цели и другие типичные проблемы ИИ-систем.
Источник: The Verge.
*Организация Meta (владелец Facebook и Instagram) признана экстремистской организацией и ее деятельность запрещена на территории России.