Исследование Гарварда показало, что ИИ-агенты увеличивают объем написанного кода, но создают «узкие места» в проверке, не ускоряя выпуск готового программного обеспечения.
Исследователи из MIT и Sakana AI представили фреймворк SIFT, который снижает затраты на проверку самообучающихся ИИ-агентов с помощью языковой модели-судьи.
Исследователи Microsoft представили метод CASD, который оптимизирует системные промпты для агентов кодирования за $1,60, обходя по эффективности традиционные итеративные инструменты.
Разработчики выяснили, что coding agents тратят лишние токены из-за избыточных автоматизированных процессов, и предложили способ оптимизации рабочих потоков.
Метод Spec-Driven Development с использованием четырех Markdown-файлов помогает ИИ-агентам лучше понимать логику проекта и избегать ошибок при написании кода.
AI-агенты ускоряют написание кода, но смещают «узкие места» в сторону проверки и ревью, что в сложных проектах может увеличивать общее время выполнения задач.
Использование ИИ-агентов для программирования требует контроля за расходом токенов рассуждений и эффективностью кэширования для предотвращения необоснованных затрат.
Stroq — это новый локальный файрвол с открытым кодом, который защищает кодинг-агентов, блокируя опасные действия на основе анализа прочитанных ими данных.
