Агентная усталость от кода: почему больше агентов вас не спасет

Привычный ритм разработки ПО — писать код вручную, связывать компоненты, строить ментальные модели — уходит в прошлое с появлением агентного программирования. В своем посте на HN Сид описывает, как код, сгенерированный LLM, появляется мгновенно, заставляя вас погружаться в контекст с нуля, как если бы вы полагались на татуировки из фильма «Помни». Процесс превращается в игровой автомат с переменным психологическим вознаграждением, за которым следует когнитивная усталость, вместо глубокой сосредоточенной работы.
Ключевые болевые точки
- LLM генерируют на порядки больше кода, чем вы можете должным образом отладить или осмыслить. Вы утверждаете сырой код просто чтобы не отставать, уступая операционный контроль и доверяя инструменту — пока он не наткнется на граничные случаи и не развалится.
- Одновременное управление несколькими агентами требует постоянного контроля, переключения контекста и большего числа решений в час. Вы принимаете архитектурные решения, одновременно проверяя вывод неопытного разработчика, что принципиально сложнее, чем делать работу самому.
- Усталость от принятия решений — невидимая точка трения. Ваш мозг выгорает за 4-5 интенсивных часов против 8-10 нормальных продуктивных часов. Сид отмечает, что его друзья уже выгорели, но редко признаются в этом.
Почему увеличение числа агентов — не ответ
Больше агентов не работает. Автоматизированные системы могут работать 24/7, но люди не выдерживают когнитивную нагрузку. Очевидное исправление — улучшение циклов проверки и верификации — ставит перед замкнутым кругом: строить их самостоятельно или доверить LLM? Если вы не доверяете исходному коду, будете ли вы доверять системе верификации, созданной той же LLM? И как проверить верификатор?
Основная проблема
Сид подводит итог: вы застряли в подвешенном состоянии — вынуждены использовать инструмент для продуктивности, но никогда не можете полностью доверять ему без присмотра. Пока LLM не станут строго лучше людей в рецензировании и верификации, человеческое узкое место останется.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также

Использование Claude Code для создания блога о путешествиях по Японии с искусственно созданными изображениями и видео
Разработчик использовал Claude Code для создания персонального сайта-эссе о Японии, управляя всем творческим процессом: от редактирования текста и преобразования изображений с помощью Nano Banana Pro до анимации видео с использованием Veo 3.1 и 3.0-fast и развертывания на Railway.

Архитектура OpenClaw: создание постоянного распределительного движка на основе ИИ.
Архитектура OpenClaw, основанная на подходе с использованием демонов и небольших составных инструментов, декларативных рецептов и слоя памяти, обеспечивает непрерывные и эффективные автоматизированные рабочие процессы.

Клод Код в исследовательском рабочем процессе: Практические результаты от написания статьи
Исследователь использовал Claude Code для вспомогательных задач при написании статьи, обнаружив его эффективность в создании готовых к публикации графиков по расплывчатым инструкциям, переносе поисковой среды между кодовыми базами менее чем за час и форматировании более 12 страниц математических доказательств в LaTeX, где он выявил пропущенное неполное граничное условие. Он столкнулся с трудностями при отладке проблемы параллелизма, которая на самом деле оказалась проблемой распределения процессорного времени, не очевидной в коде или логах.

Кривая обучения старшего разработчика Claude Max: от расплывчатых запросов к структурированным код-ревью
Разработчик с 8-летним опытом работы с Node.js, Go, Angular и AWS делится, как изначально неправильно использовал Claude Max, обращаясь с ним как с опытным инженером, имеющим контекст проекта, а затем улучшил результаты, внедрив структурированный процесс проверки, аналогичный наставничеству младших разработчиков.