← Каталог

· AI Engineer World's Fair 2026

Как создавать готовый к слиянию код с помощью context engine

How to Generate Mergeable Code with a Context Engine — Peter Werry, Unblocked

Coding-агентам не хватает организационного контекста вроде решений, соглашений и причин архитектуры, и context engine, по словам авторов, собирает его из PR и Slack.

  • Контекст под задачу, а не вся кодовая база — агент, которому скормили весь репозиторий и архитектурные документы, отвлекается и тратит токены. По словам спикера, выгода от контекста копится на многошаговых задачах, а не на коротких.
  • План с контекстом и без — на оптимизации калькулятора Source Mark план с Unblocked собрался примерно за минуту, без него около двух. Контекстный план учёл PR и обсуждения в Slack, где уже предлагались улучшения.
  • Ответы с источниками — агент показывает, на чём основан вывод. По этим ссылкам можно поправить базу знаний, а агент может перейти к нужному источнику сам.
  • Открытый код для экспериментов — Document query engine загружает историю PR из GitHub и строит схему по выборке документов, чтобы задавать к ней запросы. Граф инженерных связей по review показывает команды и пробелы в экспертизе.

Кому полезно: тем, кто подключает агентов к большой кодовой базе и видит, что они теряют решения, принятые в PR и обсуждениях.

Статья по теме

На какие вопросы отвечает доклад

  • Почему агент не знает, как устроен наш код и почему он так устроен?

    Агенты сбрасывают знания при каждом новом задании и не видят решения, договорённости команды и архитектурное обоснование, которые живут в PR, Slack и документах. По словам спикера, им нужен context engine под конкретную задачу.

    ▶ 0:12Проблема контекста организации
  • Почему нельзя загрузить всю кодовую базу и документацию в контекст агента?

    Организационный контекст не помещается даже в окно на миллион токенов, а лишние материалы отвлекают агента и тратят токены и время. Нужен контекст, отобранный под задачу.

    ▶ 4:11Поиск, понимание и скрытый контекст
  • Почему агент останавливается на первом найденном ответе и пропускает важные детали?

    Спикер называет это satisfaction of search из радиологии: агент находит один подходящий фрагмент и останавливается, не собирая картину зависимостей и архитектуры. Понимание не возникает само, его нужно собирать заранее.

    ▶ 4:11Поиск, понимание и скрытый контекст
  • Как агент для код-ревью учитывает прошлые комментарии опытных инженеров?

    Система берёт прошлые комментарии и best practices из истории pull request и использует экспертизу автора комментария как сигнал, чтобы поднимать важные замечания. Так агент ревьюит код по правилам конкретной команды.

    ▶ 12:32Ревью и исправления с учётом контекста
  • Как найти, кто в команде лучше всего знает нужную часть кодовой базы?

    Строится граф связей по тому, кто кому ревьюит код; его кластеризуют в команды и показывают покрытие кодовой базы. Так видно участки без экспертов.

    ▶ 15:08Open-source инструменты для контекста
  • Как задавать вопросы по истории pull request репозитория на GitHub?

    Open source инструмент загружает исторические PR из репозитория, сам синтезирует схему по выборке документов и позволяет задавать запросы через чат с агентом. Результаты можно разбирать без ручного поиска.

    ▶ 15:08Open-source инструменты для контекста

Главы

Ещё доклады: Peter Werry

Страница спикера →

Похожие доклады