1 dalis: Kodėl agentinė inžinerija nėra Vibe kodavimas Draugas neseniai parašė apie AI įgūdžius, naudojant „Matrix“ analogiją: „Trinity“ nesimoko skraidyti sraigtasparniu – „Tank“ tiesiog į savo galvą įkelia tikslią, patikrintą programą. Bet tai atskleidžia esminį nesusipratimą apie tai, kaip šios sistemos iš tikrųjų yra pastatytos. Trinity ne vibruoja savo kelią į skrydį. Tank įkelia . Tikslus ir patikrintas planas Tai yra skirtumas tarp "vibe" kodavimo ir to, ką Addy Osmani vadina "Vibe kodavimas" nuodijo šulinį - tai rodo, kad galite paskatinti savo kelią į gamybos programinę įrangą. Agentų inžinerija Aš turiu 70+ agentų mano web3 kūrimo darbo sraute. Jie nėra skubūs dumps. Jie yra struktūrizuoti: aiškios atsakomybės, aiškios žinių failai, apibrėžti "handoff" taškai tarp agentų. Senieji principai tiesiogiai išverčiami: DRY → DRYP (nepakartoti savo žinutės) Rūpesčių atskyrimas → Agentų ribos Sąsajos dizainas → Handoff sutartys Prekompiliuotas kontekstas Gerų įgūdžių kūrimas yra architektūros darbas. „Trinity“ scena veikia, nes kažkas Pilotinė programa. „Tank“ jos nekodavo. inžinierius Problema, nuo kurios viskas prasidėjo Didžiausias dalykas, kurį išmokau kurti AI kodavimo darbo srautus: . more context is not better Aš dirbu web3.Aš turiu ABI, kurie yra tūkstančiai eilučių. Ponder duomenų bazės schema, kuri valgytų pusę konteksto lango, jei aš jį maitinau žaliavomis. Tai neveikia. Žmogiškasis intelektas prarandamas. Svarbios instrukcijos ignoruojamos. Jis prisiriša prie atsitiktinių detalių. Rezultatai blogėja, kai kontekstas tampa didesnis. Kai kontekstinis langas užpildo, ankstesnės instrukcijos tampa „išpūsti“ ir modelis pradeda juos ignoruoti. context rot Taigi sukūriau įgūdžių specialisto agentą. Jo vienintelis darbas yra iš anksto sudaryti kontekstą kitiems agentams.Jis skaito mano žalius ABIs, schemas ir dokumentus, tada generuoja ploną nuorodų failus, pritaikytus konkrečioms užduotims. Kai man reikia UI darbo, aš neperduodu mano ui-dizainerio visą kodo bazę. įgūdžių specialistas jau sukūrė komponentų nuorodą, turinčią tik agentui reikalingus įgaliojimus ir modelius. Kai man reikia sutarties integracijos, web3-implementatorius gauna tik atitinkamas funkcijas ir įvykius. Agents building context for agents. Atminties hierarchijos modelis Psichikos modelis, kuris padarė viską spustelėti: elgtis su kontekstu kaip RAM, o ne šiukšlių dėžutė. Layer What It Holds Disk Full codebase, raw ABIs, complete schemas RAM Precompiled skills — task-specific reference files Registers The current prompt and immediate context Diskų Pilna kodų bazė, žaliavos ABI, išsamios schemos Ramą Iš anksto surinkti įgūdžiai – užduočių atskaitos failai Registracijos Dabartinis greitas ir tiesioginis kontekstas Jūs neįkeliate visko į atmintį. Jūs įkeliate tai, ko reikia dabartinei užduočiai. Mano įgūdžių specialistas yra kompiliatorius, kuris paverčia diską į RAM. Be jo, aš grįžtu į kontekstą ir tikiuosi geriausio. Kaip atrodo iš anksto surinktas įgūdis Štai modelis, kurį mano įgūdžių specialistas generuoja: # MorphoVault Reference > Use when implementing vault deposit/withdraw flows. ## Terminology - **shares**: Vault shares representing proportional ownership - **assets**: The underlying token being deposited ## Key Functions ### deposit(uint256 assets, address receiver) → uint256 shares Deposits assets and mints shares to receiver. See: protocols/morpho/abis/MetaMorpho.json ### withdraw(uint256 assets, address receiver, address owner) → uint256 shares Burns shares and sends assets to receiver. See: protocols/morpho/abis/MetaMorpho.json ## Events ### Deposit(address indexed sender, uint256 assets, uint256 shares) ### Withdraw(address indexed sender, uint256 assets, uint256 shares) ## Related Hooks - useVaultDeposit: src/hooks/blockchain/useVaultDeposit.ts - useVaultBalance: src/hooks/ponder/useVaultBalance.ts Trumpas. nuskaityti. Nurodymai į šaltinio failus. Domeno terminai apibrėžti. Aiškūs skyriai. Ši nuoroda yra 30 eilučių ir apima viską, ko agentui reikia norint įgyvendinti indėlių srautą. Veislė už užuolaidų Mano įgūdžių kūrėjas pats savaime yra įgūdis, kurį sukūriau per iteraciją, testavimą ir architektūrinį mąstymą. Kiekvienas įgūdis mūsų sistemoje turi: Aiškios atsakomybės – ką turi šis agentas? Aiškių žinių failai – kokį iš anksto surinktą kontekstą reikia? Apibrėžti „handoff“ taškai – kada jis skambina kitiems agentams? Tikrinimo kriterijai - kaip mes žinome, kad tai padaryta? Tai nėra vibracija, tai inžinerija. Paskirstymo įžvalga yra teisinga - įgūdžiai suspaudžia atstumą tarp vartotojo ir vertės. Atsiranda antroje dalyje Toliau aptarsime organizacinį proveržį, dėl kurio 70+ agentų buvo valdomos: skirtumas tarp (asmenys, su kuriais jūs kalbate) ir (Darbuotojai kuriuos jūs išsiunčiate iš darbo) skills agents Pasirodo, kad reikia tik ~10 kalbėti, o likusi dalis tiesiog reikia atrasti. Tai yra 1 dalis "Mokymai iš 100+ Agentų Swarm kūrimo žiniatinklyje3." Sekite 2 dalį apie agentų organizaciją arba prisijunkite, jei kuriate panašias sistemas.
