Быстрым моделям нужны неторопливые разработчики
Fast Models Need Slow Developers
Быстрые модели для написания кода одинаково быстро умножают и полезный код, и технический долг, поэтому контролировать агентов на каждом шаге нужно больше, а не меньше.
- Большая модель на план, быстрая на исполнение — планирование поручается GPT-5.4, а субагенты на Codex Spark выполняют шаги по одному. Удачные сессии спикер советует оформлять как skills, чтобы быстрая модель повторяла их в фоне.
- Проверка на каждом шаге — при 1200 токенах в секунду тесты, линтеры, pre-commit хуки и проверка диффа почти ничего не стоят по времени. Поэтому их можно запускать после каждой задачи, а не перед пушем.
- Управление агентом в реальном времени — спикер предлагает работать с моделью как с напарником в два-три сеанса: запрещать удаление файлов, задавать максимальный размер диффа и переделывать реализацию, если она неверна.
- Файлы прогресса вместо памяти чата — по расчёту спикера, при 20-кратной скорости контекст заполняется до compaction примерно за тридцать секунд вместо десяти минут. Поэтому он ведёт четыре файла: AGENTS.md, plan.md, progress.md и verify.md, а новая сессия продолжает с места, записанного в progress.md.
Кому полезно: тем, кто уже запускает несколько coding агентов одновременно и хочет понять, как не копить технический долг при быстрой генерации.
Статья по теме
Главы
Ещё доклады: Sarah Chieng
Страница спикера →Похожие доклады
Почему программные фабрики терпят неудачу
AI Engineer World's Fair 2026
Близко по содержанию
Современное состояние маршрутизации моделей
Alex Atallah, Carter Abdallah, Nader Khalil, Tanay Varshney, Walden Yan
AI Engineer World's Fair 2026
Близко по содержанию
Нет памяти — нет harness: почему база данных — последний рубеж защиты
Близко по содержанию
Почему с увеличением контекста агент глупеет и что с этим делать
AI Engineer Europe 2026
Близко по содержанию

