← Каталог

· AI Engineer Code 2025

Три столпа автономности

The 3 Pillars of Autonomy – Michele Catasta, Replit

Агенту для нетехнических пользователей нужна автономность без технических решений человека, и по словам спикера её дают автотесты в браузере и субагенты.

  • Метрика автономности — важна не длина работы агента, а reducible runtime: отрезок времени, в котором пользователь не принимает технических решений. Спикер предлагает максимизировать именно его.
  • Автотесты вместо ручной проверки — во внутренних оценках Replit более 30% отдельных фич ломались при первом подключении агентом, и почти в каждом приложении была хотя бы одна нерабочая функция.
  • Playwright вместо набора браузерных инструментов — агент пишет код Playwright, который выразительнее общих tool calls и остаётся регрессионным набором тестов. По словам спикера, это примерно на порядок дешевле и быстрее computer use.
  • Субагенты для контекста — проверка идёт в субагенте с чистым контекстом, а в основной цикл возвращается только последнее наблюдение. По словам спикера, число записей памяти между сжатиями контекста выросло с примерно 35 до 45–50.

Кому полезно: тем, кто строит агентов для пользователей без программистской подготовки. Доклад во многом про собственный продукт Replit.

Статья по теме

На какие вопросы отвечает доклад

  • Как измерять автономность агента: по длительности работы или по времени без решений пользователя?

    Авторы предлагают метрику reducible runtime: отрезок времени, в котором агент выполняет задачу без технических решений пользователя. Длинный запуск сам по себе автономность не доказывает, важна узкая область задачи.

    ▶ 6:18Редуцируемая среда выполнения и столпы автономности
  • Почему агент оставляет нерабочие кнопки и моковые данные и как ловить это автоматически?

    По внутренним оценкам команды, более 30% фич ломаются при первом подключении агентом. Выход в автоматическом тестировании: статический анализ, unit, integration и API-проверки, затем браузерные тесты.

    ▶ 10:06Верификация: от статического анализа до тестирования в браузере
  • Как агенту проверять, что задача выполнена, а не просто названа выполненной моделью?

    Проверку делают на каждом шаге: агент обращается к базе данных, читает логи и вызывает API, а скриншоты используются только как запасной вариант. Это сокращает накопление мелких ошибок и галлюцинированных результатов.

    ▶ 10:06Верификация: от статического анализа до тестирования в браузере
  • Почему для браузерных тестов агента лучше генерировать Playwright-код, а не вызывать набор инструментов браузера?

    LLM хорошо пишут Playwright, он выразительнее фиксированного набора инструментов, а написанный тест можно запускать как регрессионный. По словам спикера, это примерно на порядок дешевле и быстрее computer use.

    ▶ 14:13Автоматизация в Playwright и согласованные длительные циклы агентов
  • Как не переполнять контекст агента, если он работает несколько часов над одной задачей?

    Состояние выносят в файлы: документацию, план и списки задач, которые агент читает по мере необходимости. Субагенты стартуют с чистым контекстом и возвращают только результат; после внедрения оркестратора число воспоминаний между сжатиями выросло примерно с 35 до 45–50.

    ▶ 14:13Автоматизация в Playwright и согласованные длительные циклы агентов
  • Как запускать несколько агентов параллельно, чтобы не разбирать конфликты merge вручную?

    Команда планирует отдать декомпозицию задач самому кодовому циклу, а не пользователю, и распараллеливать работу на лету. Конфликты при этом не исчезают полностью, но часть задач строится так, чтобы агенты не мешали друг другу.

    ▶ 14:13Автоматизация в Playwright и согласованные длительные циклы агентов

Главы

Ещё доклады: Michele Catasta

Страница спикера →

Похожие доклады