Агенту, работающему с вашим кодом, требуется огромный объем знаний: ваши стандарты оформления, используемые фреймворки, способы запуска тестов, правила применения каждого доступного инструмента. Загрузка всей этой информации в каждого агента для каждой задачи была бы медленной, дорогой и контрпродуктивной; модель, получающая сотни страниц нерелевантных инструкций, работает хуже, а не лучше.
Постепенное освоение навыков Это альтернативный подход: агенты имеют небольшой базовый набор функций и загружают конкретные возможности лишь тогда, когда это требуется для выполнения задачи.
Как это работает
Каждый агент начинает работу с того, что ему нужно всегда — своей роли, задачи и спецификации. Дополнительные навыки загружаются по мере возникновения соответствующих задач. Агент, столкнувшийся с миграцией базы данных, загружает необходимые для этого функции; тот, кому не приходится работать с базой данных, не тратит ресурсы на такие знания.
Почему это важно для вас
Три практических следствия:
Затраты. Токены — основная переменная стоимость запуска агентов, а контекст составляет большую часть расходов на токены. Загрузка только необходимого значительно снижает эти затраты.
Качество. Этот аспект менее очевиден, но, вероятно, самый важный. Внимание модели ограничено. Если контекст агента в основном состоит из нерелевантных данных, он с большей вероятностью упустит важную информацию. Сфокусированный контекст обеспечивает более качественные результаты, а не только более дешевые.
Масштабируемость. Именно это позволяет агентам эффективно работать с крупными репозиториями. Альтернативный подход — попытка удерживать всю кодовую базу в контексте — перестает быть эффективным еще до достижения размеров большинства реальных проектов.
Что вы можете контролировать
Немного, и это сделано намеренно. Загрузка навыков происходит автоматически, исходя из требований задачи.
Что вы можете контролировать — это контекст, который используют агенты: Контекст Проекта определяет, какие данные можно загрузить в первую очередь. Качественная настройка этого параметра важнее, чем попытки напрямую управлять навыками агентов.