· AI Engineer World's Fair 2026
Рекурсивные coding agents
Recursive Coding Agents
Надёжность coding агентов упирается в оркестрацию, а не в модель: рекурсивная делегация работы в REPL, по словам автора, позволяет и малой модели обойти топовые модели.
- Контекст как переменная — промпт лежит в REPL как файл или набор файлов, модель обрабатывает его символически и отдаёт куски субагентам; по словам автора, так обрабатываются данные на порядки больше окна контекста, до десятков миллионов токенов.
- Малая модель на длинных рассуждениях — по словам автора, Qwen3.5-9B как RLM на бенчмарке LongCoT опередила Opus и GPT-5.4 в обычном режиме, при этом модель запускается на ноутбуке.
- Явные контракты субагентов — OpenProse описывает программу в markdown, которую компилирует сам coding агент: субагенты, проверка их работы родительской сессией, Skills и инструменты как явные зависимости.
- Рекурсия не автоматическая — coding агент становится RLM, только если сам выбирает декомпозицию задачи на подвызовы; заранее прописанный MapReduce под это определение не попадает.
Кому полезно: тем, кто запускает на coding агентах пакетные миграции, аудиты кода или анализ больших наборов файлов и хочет, чтобы такие прогоны были воспроизводимыми.
Статья по теме
Главы
Ещё доклады: Raymond Weitekamp
Страница спикера →Похожие доклады
Coding agents не масштабируются сами. Команды — тоже
AI Engineer World's Fair 2026
Близко по содержанию
Развитие вкуса у coding agents: прикладное мета-нейросимволическое RL
AI Engineer Code 2025
Близко по содержанию
Зачем агентным системам нужны онтологии
AI Engineer World's Fair 2026
Близко по содержанию

