Внедрение проверок ИИ с продолжением для проверок PR под контролем версий
Continue — это инструмент, который позволяет разработчикам устанавливать проверки ИИ для запросов на слияние, используя markdown файлы, хранящиеся в директории .continue/checks/ репозитория. Эти проверки предоставляют обратную связь в виде статусных проверок GitHub, становясь зелеными, когда код приемлем, и красными с предложением исправления, когда обнаружены проблемы.
Каждая проверка определяется именем и описанием потенциальных проблем, на которые следует обратить внимание. Например, вы можете создать проверку с именем Integrity of Metrics, описанную как выявление изменений, которые могут навредить точности метрик, таких как количество сессий и ошибки отслеживания событий. Эти проверки способны выполнять функции, выходящие за рамки простого анализа различий: они могут читать и записывать файлы, выполнять bash-команды и взаимодействовать с браузером.
Пример проверки для целостности метрик может включать поиск шаблонов, таких как узкие запросы типа 'найти или создать', вызывающие дублирование данных, или отслеживание событий в циклах, приводящее к множественным некорректным вызовам. Файлы с ключевыми шаблонами, такими как posthog.capture или trackEvent, могут быть отмечены как критичные для этого обзора.
Проверки выполняются автоматически при каждом PR, фиксируя потенциальные проблемы с данными, которые традиционное тестирование может пропустить, такие как тонкие изменения, влияющие на панели инструментов без очевидных ошибок.
Чтобы настроить свои собственные проверки, вы можете использовать своего любимого ИИ-агента для разработки, чтобы исследовать вашу кодовую базу, используя CLI gh, и создать пользовательские проверки, адаптированные к вашим стандартам кодирования.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также
yoyo: Локальный MCP-сервер для безопасного чтения кодовой базы и защищённой записи с помощью Claude Code
yoyo — это локальный MCP-сервер с открытым исходным кодом, который предоставляет кодирующим агентам, таким как Claude Code, обоснованное чтение репозиториев и защищённую запись для 16 языков, включая Rust, Go, Python и TypeScript. Он предотвращает незаметное внесение ошибочных изменений, возвращая машиночитаемый вывод guard_failure и включая retry_plan для целенаправленного исправления.
Многоагентная система хайку соответствует Claude Opus в решении сложной задачи по теории чисел при 15-кратном снижении затрат.
Эксперимент на Reddit показывает, что система из двух агентов Haiku (генератор + аудитор) достигает идентичных оценок 4/4, как и Claude Opus 4.5, на сложном доказательстве малой теоремы Ферма, при этом стоимость составляет примерно $0.004 за запрос против $0.06 для Opus.
Параллельные субагенты в Claude Code: когда они экономят токены, а когда сжигают
Anthropic сообщает, что системы с несколькими агентами потребляют примерно в 15 раз больше токенов, чем одиночный чат, но кэширование промптов даёт скидку 90% на токены. Окупаются ли под-агенты или сжигают деньги, зависит от hit rate кэша.
Человеческий бенчмарк креативности: отделение конвергенции от дивергенции в оценке творческих способностей ИИ
Contra Labs представляет Human Creativity Benchmark (HCB) — систему, которая отделяет объективно проверяемые критерии (например, соответствие промпту) от субъективного вкуса (например, визуальной привлекательности) при оценке генеративного ИИ для творческой работы. Бенчмарк показывает, что ни одна текущая модель не является одновременно корректной и управляемой, решая проблему коллапса мод и необходимость дифференцированного вывода.