KI-Agenten brauchen mehr als Regeln: Wie man Ingenieurswissen überträgt
Der Autor argumentiert, dass deklarative Anweisungen wie lange Prompts, generierte Dokumentation oder Sammlungen von Fähigkeiten nicht ausreichen, damit KI-Codierungsagenten Code erzeugen, der die Codeüberprüfung besteht. Stattdessen schlagen sie einen Prozess mit sechs Regeln vor, bei dem Agenten demselben Entscheidungspfad wie ein Entwickler folgen, Aufgaben zerlegen, um auf Lösungen zu verweisen, Wenige-Beispiele verwenden und nach und nach verifizierte Tests und akzeptierte Entscheidungen in wiederverwendbare Fähigkeiten umwandeln. Der Ansatz betont iteratives Lernen und menschliche Aufsicht anstelle von autonomen Agentenbetrieb.
Der Artikel auf Habr beschreibt die Entwicklung der KI-Codierungsunterstützung von detaillierten Prompts über Dokumentation und Skills, aber der Autor stellte fest, dass diese allein keinen Code lieferten, der bereit für die Überprüfung war. Das Problem ist, dass Kompetenz nicht vollständig deklarativ übertragen werden kann; vieles davon entsteht während der Arbeit. Der Autor schlägt sechs Regeln vor: Der Agent muss denselben Entscheidungsweg wie ein Entwickler gehen, Aufgaben bis zur Ebene einer Referenzlösung zerlegen, lokales Projektwissen bereitstellen, die verifizierte Referenz als Few-Shot-Beispiel für nachfolgenden Code verwenden, verifizierte Tests als eigenständige Abnahmephase etablieren und akzeptierte Entscheidungen in wiederverwendbare Skills umwandeln. Er unterscheidet dies von Vibe Coding und autonomen Modi wie dem Ralph-Loop und betont den Menschen als letzte Instanz. Er gibt Beispiele wie die Behebung von N+1-Problemen durch Skills und die Verwendung erster Implementierungen als Vorlagen für nachfolgenden Code.
Quelle: Habr — хаб ИИ —
Original