В разработке с ИИ особенно важным становится не то, что можно быстро написать какой-то код и он даже может быть будет работать, а организация жизненного цикла работы над проектом.
Проектом является отдельный плагин / модуль / компонент / сайт / клиент целиком (со всеми своими сайтами, плагинами, интеграциями и процессами). И когда у вас разовая работа - достаточно показать ИИ-агенту образец и он сделает +/- что-то рабочее, может быть даже и относительно безопасное. 🍺 С пивом потянет на первый раз, сделал и забыл ))
Другая история, когда вы внедряете ИИ-агентов в уже существующие и долгоиграющие процессы. Один из самых важных аспектов здесь - это сохранение истории принятия решений:
- что было использовано?
- почему оно было использовано? И именно сейчас?
- что происходило до и после каждого события?
- в каких условиях было принято то или иное решение - предпосылки, причины.
Всё это накладывает на разработчика обязанность вести "бухгалтерию проекта", на которую времени особо нет. Обычно задачи в чатике с клиентом. Иногда в таск-трекере или тайм-трекере. С ИИ-агентами обычно всё ещё проще: проектный AGENTS.md и общие скилы. Скилы описывают как делать, а AGENTS.md - что. Ну и внутренняя память агента бывает, которая заполняется агентом самостоятельно по его выбору. Немалую часть всего этого вы не контролируете примерно никак.
Но это именно та часть работы, которая по своей роли похожа на видеорегистратор в автомобиле: видеорегистратор необходим во время аварии и помогает посекундно восстановить ход развития событий.
На скриншоте один из таких случаев: у меня ноут уже дней 6 работает круглые сутки. Сначала там был один агент, потом я добавил ему помощника. Потом сразу 5 помощников.
Сегодня утром я подхожу к ноуту на кухне (прогнал его туда, так как шумит, зараза) и вижу, что всё вылетело.
В какой момент? Почему? Что сделано, а что нет? Сможет ли новая сессия агента продолжить работу ровно с того же места и (что немаловажно) в том же направлении, что и до этого?
Эти проблемы возникают именно в перспективе средне- и долго-срочных проектов. И тут как раз помогают artifact based ИИ-фреймворки (тут можно вспомнить ссылку на пока ещё не переименованный Process Forge — фреймворк для создания AI-процессов)😎
Ну а проблема оказалась в MCP Serena, у которой разросся кэш, а она его пихала в память по максимуму. Конфиг поправили, продолжаем полёт дальше.
