· AI Engineer World's Fair 2025
Вашего coding agent клонировали — мозг к этому не готов
Your Coding Agent Just Got Cloned And Your Brain Isn't Ready
Параллельные облачные агенты окупаются, когда критерий успеха задан до запуска: по словам автора, тогда можно не разбирать каждый PR вручную.
- Проверка до запуска — агенту заранее задают, как понять, что задача готова: тесты, команду для запуска или конкретное значение в выводе. Затем просят не останавливаться, пока это значение или проверка не будут достигнуты.
- Два типа параллельности — многозадачность, когда несколько задач идут одновременно, и несколько вариантов одной задачи, например тесты на Jest и на Playwright. Варианты сравнивают тем же критерием: в примере выбирали по покрытию тестов, которое агент оценил примерно в 80%.
- Контекст — чем больше контекста, тем лучше: MD-файлы с инструкциями, ссылки на документацию и README с командами запуска тестов. Спикер допускает, что это верно в основном для Gemini 2.5 Pro, на которой работает Jules.
- Начало и конец цикла — по мнению автора, ИИ стоит отдавать создание задач из бэклога и баг-репортов, а также финальное слияние веток с тестами.
Кому полезно: тем, кто запускает несколько асинхронных агентов на GitHub-репозиториях и устал вручную проверять их результаты. Доклад — презентация продукта Google Labs Jules, но приёмы с критериями и контекстом подходят к любому агенту.
Статья по теме
На какие вопросы отвечает доклад
Как запускать несколько coding агентов параллельно над одним репозиторием?
Каждая задача уходит в отдельную облачную VM с клоном репозитория и подключением к GitHub, агенты работают одновременно, а результаты сводятся через merge. Облачные агенты не ограничены ноутбуком и масштабируются.
▶ 2:19От последовательной разработки к параллельным облачным агентамКак проверить результат работы нескольких агентов без ручного ревью каждого PR?
Критерий успеха задаётся до старта: агент запускает тесты и продолжает работу, пока они не пройдут. В конце нужны merge и тестовый фреймворк, которые собирают результаты вместе.
▶ 7:50Облачное выполнение с подключением к GitHub и исправления доступностиКак написать промпт для асинхронного агента, чтобы он не остановился раньше времени?
Промпт строится из краткого описания задачи, условия, по которому агент поймёт, что всё готово, полезного контекста и общего подхода. Последнюю строку «не останавливайся, пока…» меняют 2–3 раза в зависимости от сложности.
▶ 7:50Облачное выполнение с подключением к GitHub и исправления доступностиКак сравнить два варианта реализации от агентов, например тесты на Jest и на Playwright?
Оба варианта запускаются параллельно, затем сравнивается тестовое покрытие. В демо вариант на Jest по оценке дал около 80%, его слили в main.
▶ 5:46Демонстрация приложения для конференции: параллельные тесты, функции и аудитыМожно ли поручить агенту аудит доступности и исправление Lighthouse score вместе с фичами?
По словам спикера, агент параллельно с фичами провёл аудит доступности, исправил ошибки консоли и поднял Lighthouse score. Вся работа заняла около часа, включая управление параллельными задачами.
▶ 7:50Облачное выполнение с подключением к GitHub и исправления доступностиПочему агент работает лучше, когда в контексте есть MD-файлы и ссылки на документацию?
По словам спикера, больше контекста лучше, модель сама отбирает важное. Агент записывает команды запуска тестов в README и сверяется с ним в следующих задачах.
▶ 12:41Параллельные эксперименты, контекст и Gemini 2.5 Pro
Главы
Похожие доклады
Создание амбициозного ПО
Близко по содержанию
Создайте собственную команду managed agents
Близко по содержанию
Практическая разработка с GitHub Copilot и VS Code
Harald Kirschner, Christopher Harrison
AI Engineer World's Fair 2025
Близко по содержанию
Проактивные агенты
AI Engineer Code 2025
Близко по содержанию

