AI-agenten hebben meer nodig dan regels: hoe technische expertise wordt overgedragen
De auteur stelt dat declaratieve instructies zoals lange prompts, gegenereerde documentatie of verzamelingen van vaardigheden onvoldoende zijn voor AI-codeeragenten om code te produceren die de beoordeling doorstaat. In plaats daarvan stelt hij een proces met zes regels voor, waarbij agenten hetzelfde beslissingspad volgen als een ontwikkelaar, taken ontleden om referentieoplossingen te raadplegen, gebruikmaken van few-shot-voorbeelden, en geleidelijk geverifieerde tests en geaccepteerde beslissingen omzetten in herbruikbare vaardigheden. De aanpak benadrukt iteratief leren en menselijk toezicht in plaats van autonome werking van agenten.
Het artikel op Habr beschrijft de evolutie van AI-coderingsassistentie van gedetailleerde prompts naar documentatie en vaardigheden, maar de auteur ontdekte dat deze alleen niet leidden tot code die klaar was voor review. Het probleem is dat competentie niet volledig declaratief kan worden overgedragen; veel ervan ontstaat tijdens het werk. De auteur stelt zes regels voor: de agent moet hetzelfde beslissingspad volgen als een ontwikkelaar, taken opsplitsen tot het niveau van een referentieoplossing, lokale projectkennis bieden, de geverifieerde referentie gebruiken als few-shot voor daaropvolgende code, geverifieerde tests als een zelfstandige acceptatiefase beschouwen, en goedgekeurde beslissingen omzetten in herbruikbare vaardigheden. Hij onderscheidt dit van vibe coding en autonome modi zoals de Ralph-loop, waarbij de mens de uiteindelijke arbiter is. Hij geeft voorbeelden zoals het oplossen van N+1-problemen door middel van vaardigheden en het gebruik van eerste implementaties als sjablonen voor daaropvolgende code.
Bron: Habr — хаб ИИ —
origineel