Эксперименты с генерацией кода

В этом месяце компания Anthropic привлекла внимание, создав C-компилятор с помощью ИИ-агентов (модель Opus 4.6). Результат — 100 тысяч строк кода на языке Rust. Этот компилятор справился с такими сложными проектами, как ядро Linux и игра DOOM. Весь процесс прошел почти без участия человека и стоил около $20 000 в токенах.

Отрасль отреагировала бурно, обсуждая масштаб и скорость. Однако автор статьи провел собственный эксперимент: он создал упрощенную версию C-компилятора на языке Go. Его вариант содержал 40 тысяч строк и обошелся всего в $200 (1% от стоимости Anthropic). Для этого он использовал агента OpenHands и модель Opus 4.5.

Несмотря на впечатляющие цифры, оба примера пока не годятся для реальной работы. По словам Майерса, сама возможность создавать огромные базы кода почти в одиночку — это прорыв, но не конечная цель.

Что на самом деле считается достижением

Похожие примеры показывала и компания Cursor: прототипы браузеров и таблиц, состоящие из миллионов строк. Проблема в том, что этот код часто не работает.

Автор подчеркивает: объем генерации кода — задача решенная. Теперь нужно гнаться не за количеством строк, а за качеством. Главный тезис прост: программное обеспечение должно работать, а не просто существовать.

Прогресс и новые вопросы

Технологии уже изменились. В 2023 году ИИ-помощники стали нормой, а в 2024-м автономные агенты вывели разработку на новый уровень. Теперь возникают другие сложности:

• Как правильно ставить задачи агентам?
• Как ИИ ориентируется в уже написанном старом коде?
• Как проверять правки от ИИ, не создавая очередей на проверку?

Это старые проблемы программирования, но теперь они стали острее из-за огромной скорости автоматизации.

Роль непрерывной поставки (Continuous Delivery)

ИИ-агенты могут либо ускорить команду, либо создать хаос. Все зависит от «готовности» кода к работе с ИИ. Эта готовность напрямую связана с практиками непрерывной поставки (Continuous Delivery).

В правильной системе именно автоматические проверки решают, готов ли код к выпуску. Команды, которые хотят внедрять ИИ, должны вкладываться в тестирование, строгую архитектуру и автоматический анализ. Если система проверок выстроена грамотно, ИИ-агенту проще получать обратную связь и исправлять свои ошибки на лету.

Почему компиляторы — это «легкая прогулка» для ИИ

Успех агентов в создании компиляторов объясняется их четкой структурой. Каждый этап здесь — это понятная функция с предсказуемым результатом. Есть «эталон», с которым легко сравнить результат. Если ваша задача так же четко описана, ИИ справится с ней дешево и быстро.

Однако большинство корпоративных систем устроены иначе. В них много запутанных связей и мало автоматических тестов. В таких случаях автор советует возвращаться к классике: разделять логику, писать тесты и четко фиксировать правила системы.

«Скорость мертва»

Раньше индустрия измеряла успех объемом написанного кода. Теперь, когда ИИ может выдавать горы кода за копейки, этот показатель обесценился.

Возможность собрать огромную программу за выходные сама по себе больше не является достижением. Гораздо ценнее компактные и качественные решения, которые работают без сбоев. В мире, где «почти работающий» софт стал дешевым товаром, побеждает тот, кто гарантирует надежность.

Скорость написания кода больше не главный козырь. Приоритет сместился на создание реальной ценности и качества.