Как Lovable каждый час становится лучше
How Lovable self-improves every hour
Lovable, по словам спикера, замыкает петлю улучшений AI-кодинга: решения застрявших пользователей попадают в базу знаний, а агент жалуется на сбои платформы в Slack.
- Детекция застревания — LLM-судья находит сессии, где пользователь повторяет запрос или бросает проект; успешные решения кластеризуются и подаются агенту как контекст при похожих запросах.
- Замер эффекта — проекты с подсказкой сравниваются с контрольной группой без неё; по словам автора, сообщений с просьбой исправить стало меньше, а доля доведённых до деплоя проектов выросла.
- Жалобы агента в Slack — агент сам сообщает о сломанных инструментах и неподходящей документации, и его отчёты полезнее пользовательских, потому что у агента больше контекста о задаче.
- Неразрывный пробел — копирование файлов ломалось на именах, где скриншоты из WhatsApp и macOS вставляют неразрывный пробел; обычная замена пробелов его не покрывала, и баг исчез только после полного исправления.
Кому полезно: тем, кто строит агентов для кодинга и хочет находить места, где пользователи застревают, без ручного разбора логов.
Статья по теме
Главы
Похожие доклады
Непрерывное обучение AI agents: от ошибок к устойчивым улучшениям
AI Engineer World's Fair 2026
Близко по содержанию
Coding evals: от фрагментов кода до целых кодовых баз
AI Engineer Code 2025
Близко по содержанию
Цикл обратной связи — это продукт
AI Engineer World's Fair 2026
Близко по содержанию
Как непрерывно улучшать agents с Langfuse
Annabell Schäfer, Lotte Verheyden
AI Engineer World's Fair 2026
Близко по содержанию

