Spine Swarm: Многокомпонентная ИИ-система на визуальном холсте для некодинговых проектов
Spine Swarm — это мультиагентная AI-система, работающая на бесконечном визуальном холсте, предназначенном для сложных некодирующих проектов. Основатели утверждают, что чат-интерфейсы не подходят для сложной AI-работы, поскольку они линейны, в то время как реальные проекты нелинейны. Они создали рабочее пространство, где структура работы явная и контролируется пользователем.
Основная архитектура
Система использует блоки как абстракции поверх AI-моделей. Существуют специальные типы блоков для:
- Вызовов LLM
- Генерации изображений
- Веб-серфинга
- Приложений
- Слайдов
- Таблиц
Блоки могут быть соединены с любыми другими блоками, причём соединения гарантируют передачу контекста независимо от типа блока. Система является модель-агностичной, позволяя рабочим процессам переключаться между различными AI-моделями в рамках одного проекта.
Работа агентов
Когда пользователь отправляет задачу, центральный оркестратор разбивает её на подзадачи и делегирует каждую специализированным персона-агентам. Эти агенты:
- Работают с блоками на холсте
- Могут переопределять настройки по умолчанию (модель и промпт) для каждой подзадачи
- Выбирают лучшую модель для каждого блока
- Иногда запускают один и тот же блок с несколькими моделями для сравнения результатов
- Работают параллельно, когда подзадачи не зависят друг от друга
Агенты могут приостанавливать выполнение, чтобы запросить уточнение или обратную связь от пользователя, прежде чем продолжить. После того как агенты создают результат, пользователи могут выбрать подмножество блоков и итеративно работать с ними через чат, не перезапуская весь рабочий процесс.
Технические преимущества
Холст предоставляет агентам постоянное структурированное представление всего проекта, которое любой агент может читать и дополнять в любой момент. Это решает проблемы деградации контекста в типичных мультиагентных системах за счёт:
- Хранения промежуточных результатов в блоках вместо удержания всего в памяти
- Создания явных структурированных передач, предназначенных для использования другими агентами
- Возможности для агентов работать дольше, сохраняя контекстные окна чистыми
Пользователи могут отправлять несколько задач одновременно, и система будет ставить в очередь зависимые или немедленно запускать независимые.
📖 Read the full source: HN AI Agents
👀 Смотрите также
Claude Code против Codex: 36 против 28 файлов, $2.50 против $2.04, обнаружен бесконечный цикл — сравнение в реальных условиях
Разработчик запускает одни и те же две задачи на Claude Code и Codex (Cursor): бот для триажа PR и интерфейс ревью кода в реальном времени. Результаты: 36 против 28 файлов, $2.50 против $2.04, Claude допустил меньше ошибок TypeScript, Codex зациклился в React.
Claude Code теперь поддерживает 240+ моделей через шлюз NVIDIA NIM, включая Nemotron-3 120B для агентного кодирования
Claude Code может переключаться во время сеанса на более чем 240 моделей NVIDIA NIM с помощью команды /model. Вариант Nemotron-3 Super 120B с режимом мышления показывает отличные результаты при рефакторинге нескольких файлов и агентных задачах.
GoStaff: Переписанная на Go версия OpenClaw с сокращением использования памяти в 100 раз
GoStaff — это полная переписанная на Go версия OpenClaw, которая сокращает использование памяти примерно до 17 МБ, что примерно в 100 раз меньше, чем исходная реализация. Она сохраняет полную совместимость с существующими плагинами OpenClaw, добавляя при этом нативную поддержку навыков на Go и упрощённую архитектуру в виде единого бинарного файла.
Сервер Paper Lantern MCP подключает код Claude к научным статьям
Paper Lantern — это MCP-сервер, созданный с помощью Claude Code, который подключает кодирующие агенты к более чем 2 миллионам статей по компьютерным наукам и 43 миллионам биомедицинских исследований, позволяя им находить проверенные методы вместо использования обучающих данных по умолчанию.