Подходы "Укус" против "Покусывание" для ИИ-агентов в программировании

Два подхода к программированию с помощью ИИ

При работе с ИИ-агентами для программирования, такими как Claude, разработчики обычно используют одну из двух ментальных моделей, согласно анализу исследователя в области NLP. Подход 'укуса' предполагает загрузку комплексных файлов инструкций (например, claude.md или agents.md), которые содержат всю мудрость кодирования, предупреждения об ошибках и конкретные требования сразу. Этот метод сообщает модели, что означает 'чистый код', как осуществлять разработку через тестирование и другие предпочтения за один раз.

Подход 'покусывания' ожидает постепенного улучшения, а не идеальных первых попыток. Разработчики формируют решение к желаемым результатам за несколько проходов, предоставляя обратную связь и корректировки по пути. Обе стратегии могут справляться с задачами 'в один заход', но подход покусывания предоставляет больше возможностей для вмешательства человека в процесс.

Почему покусывание часто работает лучше

Исследователь утверждает, что подход покусывания принципиально более мощный, потому что он позволяет модели использовать больше вычислительных ресурсов. Во время генерации кода ИИ-модели имеют ограниченную 'мощность мозга' на токен — они могут учитывать лишь ограниченное количество факторов одновременно. Не существует алгоритма, который предоставляет неограниченную логику бесплатно.

Когда разработчики работают над сложными задачами, они не выполняют их 'одним разом', а скорее через множество небольших циклов выполнения, размышления, исправления и пересмотра. Хотя модели, такие как Claude, планируют и разбивают задачи на шаги, они всё же склонны генерировать десятки строк кода за раз, ограниченные вычислительными пределами.

Практические последствия

Подход покусывания даёт моделям промежуточные результаты для работы и распределяет вычисления на несколько шагов. Вместо того чтобы помещать советы по безопасности в файл CLAUDE.md, разработчики могут создавать новые контексты, где модель проверяет код по контрольному списку безопасности в отдельных проходах.

На особенно сложных задачах подход укуса может попасть в циклы неудач, где он перескакивает между ошибками — подобно тому, как установка слишком высокой скорости обучения при обучении классификатора. Подход покусывания использует меньшие, более контролируемые шаги, которые помогают сохранять направление и избегать застревания в шаблонах ошибок.

Хотя компании, такие как Anthropic и OpenAI, стремятся минимизировать разницу между этими подходами (а разработчики, такие как Борис Черный, публикуют комплексные файлы CLAUDE.md), понимание того, где 'укус' даёт сбои, может сделать модели более удобными для эффективного использования.