← Каталог

· AI Engineer World's Fair 2025

Глаза — окно в душу (и контекст): как Windsurf узнаёт вас

The Eyes Are The (Context) Window to The Soul: How Windsurf Gets to Know You

Качество AI-ассистента для кодинга, по словам авторов, зависит не от размера context window, а от отбора релевантного контекста: состояния пользователя и состояния кодовой базы.

  • Два вида контекста — запрос складывается из промпта, состояния кодовой базы и состояния пользователя; к последнему относятся код вокруг курсора, открытые и закрытые файлы в порядке открытия, содержимое терминала и буфера обмена.
  • Отбор вместо расширения окна — по словам спикера, оптимизация того, что попадает в окно, даёт лучшие результаты, чем простое увеличение окна, и помогает с задержкой ответа.
  • Поиск релевантного контекста — в продукте комбинируются embedding search, reranking, AST-парсинг, rules, memories и MCP; по словам спикера, это работает и на растущей кодовой базе, а сама команда выросла из ExaFunction и опирается на оптимизацию GPU.
  • Stateless обработка — по заявлению спикера, серверы только пропускают запрос транзитом, не хранят данные клиентов и не обучаются на них.

Кому полезно: доклад в основном рекламирует Windsurf, но пригодится тем, кто проектирует сбор контекста для кодинг-агента в большой кодовой базе.

Статья по теме

На какие вопросы отвечает доклад

  • Почему больше контекста не всегда улучшает ответы AI-ассистента для кода?

    С первого дня команда оптимизирует, какой контекст попадает в окно модели, и по её опыту это даёт лучшие результаты, чем простое увеличение окна. Такой подход также снижает задержку, важную для хороших coding агентов.

    ▶ 6:34Cascade, активность разработчика, context window и оптимизация GPU
  • Какой контекст нужен AI-ассистенту для кода, кроме текста промпта?

    Два типа: поведение разработчика (код вокруг курсора, открытые и закрытые файлы, буфер обмена, терминал) и состояние кодовой базы (документация, правила, память агента, сам код репозитория).

    ▶ 6:34Cascade, активность разработчика, context window и оптимизация GPU
  • Как быстро находить релевантный контекст в большой кодовой базе для AI-агента?

    Спикер перечисляет набор инструментов: embeddings search, reranking, AST parsing, текстовый поиск, remote indexing, rules и memories. По его словам, в больших репозиториях поиск остаётся трудным, и с ним помогает опыт команды в GPU-оптимизации.

    ▶ 6:34Cascade, активность разработчика, context window и оптимизация GPU
  • Почему AI-ассистент для кода пишет код, который не вписывается в существующий проект?

    Генерировать код несложно, а сложно получить код, который вписывается в большую кодовую базу, соответствует стандартам организации и личным привычкам разработчика и остаётся пригодным в будущем.

    ▶ 3:57Windsurf Editor, плагины для IDE и проблема coding AI
  • Сохраняет ли AI-ассистент для кода данные пользователя после обработки запросов?

    По словам спикера, серверы работают без состояния: информация о редакторе отправляется на сервер как сквозная передача, но не сохраняется и не используется для обучения моделей.

    ▶ 13:13Утверждения о безопасности и обработке данных клиентов

Главы

Похожие доклады