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

Создание 20-агентного пайплайна с Claude Code: Меньше ИИ, больше структуры
Разработчик создал конвейер из 20 агентов с помощью Claude Code для автоматизации ежедневных рабочих процессов в Gmail, Calendar, Notion, LinkedIn, веб-скраперах и локальных API. Ключевое понимание: надёжность пришла от добавления детерминированной структуры вокруг ИИ, а не от улучшения промптов.

Claude Artifacts + React: Учитель создает мини-гольф для уроков геометрии за 20 минут
Учитель использовал Artifact + React от Claude для создания мини-гольфа для обучения углам, затем преобразовал в HTML для распространения. Ученики рисовали свои собственные поля.

Как компании используют OpenClaw для автоматизации общения с клиентами
OpenClaw используется фрилансерами в качестве личного помощника в WhatsApp и электронной почте для обработки запросов клиентов о тарифах, политиках и доступности. Местные предприятия, такие как рестораны, используют его для ответов на вопросы о меню, часах работы и бронированиях, когда персонал недоступен.

Организация OpenClaw в Telegram: Настройка "Тема-на-Агента" решает хаос в чатах
Разработчик устранил проблемы управления OpenClaw в Telegram, внедрив структуру «тема на агента» в выделенной группе, что уменьшило смешение контекста и упростило отладку. Конфигурация включает конкретное сопоставление тем, настройку уведомлений только по упоминанию по умолчанию и более чистые правила маршрутизации.