Розвиток агентних циклів: наступний рубіж автономії ШІ

Еволюція штучного інтелекту стрімко переходить від статичної генерації коду до динамічних, самопідтримуваних екосистем. Оскільки розробники переходять від написання коду до використання агентів, індустрія входить в епоху «циклів» — де агенти спонукають інших агентів виконувати безперервну, ітеративну роботу.

Від вихідного коду до агентних роїв

На конференції @Scale від Meta Борис Черни, творець Claude Code, підкреслив глибоку зміну в життєвому циклі розробки ШІ. Хоча попередньою важливою віхою був перехід від ручного написання вихідного коду до коду, написаного ШІ, Черни стверджує, що наступний стрибок є не менш значущим: перехід до агентів, які керують іншими агентами.

Це не просто теорія; Черни описує робочий процес, у якому спеціалізовані агенти працюють у безперервному циклі. Наприклад, один агент може зосередитися виключно на вдосконаленні архітектури коду, тоді як інший сканує код на наявність дубльованих абстракцій для їх об'єднання. Ці агенти функціонують подібно до інженерів-людей, надсилаючи pull requests і працюючи асинхронно. На відміну від традиційної автоматизації, ці цикли є недетермінованими; замість того, щоб слідувати жорстко запрограмованій умові виходу, суб-агент використовує міркування, щоб вирішити, коли завдання є достатньо оптимізованим або завершеним.

Розуміння логіки циклів та обчислень під час виконання (test-time compute)

Концепція «циклів» запозичена з фундаментальної інформатики — зокрема, з рекурсивних функцій — але додає рівень ймовірнісного міркування. Одним із помітних патернів є «Цикл Ральфа» (названий на честь персонажа «Сімпсонів» Ральфа Віггама) — техніка, що використовується для запобігання «дрейфу» (drift) моделей під час тривалих завдань. Модель узагальнює власний прогрес і оцінює, чи досягла вона своєї мети, по суті «перекидаючи» логіку туди-сюди, доки не буде досягнуто успішного результату.

Цей тренд тісно пов'язаний із концепцією «test-time compute» (обчислень під час виконання). Як зазначив дослідник OpenAI Ноам Браун, сучасні моделі можуть вирішувати дедалі складніші проблеми, якщо їм надати достатньо обчислювальних ресурсів. У сценаріях «підйому на пагорб» (hill-climbing) — таких як інкрементальне вдосконалення кодової бази — цикли дозволяють ШІ безперервно ітерувати над проблемою, використовуючи більше обчислювальних потужностей для досягнення вищого рівня продуктивності, доки не буде досягнуто певного порогу.

Економічна реальність: споживання токенів проти цінності

Хоча технічний потенціал агентних циклів вражає, економічні наслідки є значними. На відміну від стандартної взаємодії з чат-ботом у форматі «питання-відповідь», агентні цикли розроблені для безперервної роботи у фоновому режимі. Це створює масштабний сплеск споживання токенів, що може призвести до стрімкого зростання витрат для підприємств.

Для постачальників ШІ, таких як Anthropic, це представляє модель доходу з високими темпами зростання. Однак для розробників і засновників впровадження циклів вимагає складного балансу. Успіх у цьому новому ландшафті залежатиме від впровадження суворого нагляду для управління «дрейфом» (коли ШІ втрачає контроль над початковою метою) та встановлення чітких обмежень (guardrails) на витрати токенів, щоб забезпечити, що цінність, створена циклом, перевищує його операційні витрати.

Ключові висновки

• Зміна в автономії: ШІ переходить від одноразової генерації коду до автономних агентних циклів, де агенти контролюють та спонукають один одного.
• Test-Time Compute: Агентні цикли використовують збільшені обчислювальні ресурси під час фази виведення (inference), щоб вирішувати складні ітеративні задачі типу «підйом на пагорб».
• Управління витратами є критично важливим: Безперервний характер цих циклів може призвести до експоненціального споживання токенів, що робить нагляд та бюджетні обмеження необхідними для впровадження в корпоративному секторі.