Пока модели учатся писать код, вокруг них выросла целая индустрия надстроек: планировщики, долговременная память, рефлексия, рои субагентов. Логика железная — умный каркас должен компенсировать слабую модель. Вот только у команд, которые гоняют агентов в проде, складывается другая, неудобная картина: многослойные обвязки сжигают токены и время разработчиков, а выигрыш в доле решённых задач под большим вопросом. Осталось понять, где кончается инженерия и начинается декор — и на что в действительности утекает бюджет агентного кодинга.
Обвязка (harness, scaffold) — это всё, что окружает модель: системные промпты, описания инструментов, циклы «планируй — действуй — проверяй», векторные базы в роли «памяти», ретраи, самокритика и оркестрация субагентов. Рынок ответил на спрос предсказуемо: фреймворков развелось столько, что глаза разбегаются. LangChain и LangGraph, CrewAI, AutoGen, OpenHands — конструкторы на любой вкус, а продающая мысль у всех одна: свяжите вызовы LLM в граф — и получите автономного разработчика.
Только каждый слой обвязки живёт за счёт контекста. Описания инструментов, дампы памяти, промпты координаторов — ничего из этого не бывает бесплатным. Модель на каждом шаге перечитывает всё больше служебного текста и расплачивается дважды: токенами и вниманием. Чем замысловатее граф, тем больше места съедают инструкции — и тем меньше остаётся на сам код и на пространство, где вообще можно думать.
Индустрия, похоже, потихоньку трезвеет. В публичных рекомендациях всё чаще звучит совет начинать с простых компонуемых схем, а тяжёлые фреймворки отложить. Собственные кодинг-агенты лабораторий, если судить по доступным описаниям, устроены нарочито тонко: цикл с доступом к терминалу — и всё. В обсуждениях бенчмарков вроде SWE-bench то и дело отмечают, что высокие результаты показывают в том числе минималистичные обвязки на сильных моделях, а энтузиасты и вовсе наперегонки пробуют предельно компактные реализации. Даже громкие «автономные разработчики» — и те, как сообщалось, пережили волны скепсиса, стоило проверить их заявленную автономность на настоящих репозиториях.
Отдельная история — контролируемое исследование, по имеющимся данным, показавшее: опытные разработчики на знакомых проектах с ИИ-инструментами работали медленнее, чем без них. И были при этом уверены в обратном.
Теперь экономика. Рефлексия, ретраи, переговоры субагентов — каждый из этих механизмов множит расход: по имеющимся оценкам, мультиагентные схемы могут тратить кратно больше токенов, чем обычный чат. Сорвался тест — и повторный заход оплачивается целиком, вместе со всей накопленной историей диалога. Дальше арифметика простая: стоимость решённой задачи растёт, а процент решённых если и сдвигается, то едва-едва.
Уберите декор — останутся три опоры. Первая, сама модель: скачок базовых способностей между поколениями даёт больше, чем любые графы вызовов. Вторая, контекст-инжиниринг: не «память вообще», а релевантные файлы, свежий diff, лог упавшего теста вместо свалки истории переписки. Третья, верификация: тесты, линтеры, сборка и ревью человека. Агент хорош ровно настолько, насколько быстро и дёшево можно проверить его работу.
Это не значит, что сложность не нужна вовсе. Она уместна точечно — скажем, в задачах на часы и дни, где без плана и промежуточных проверок никуда. Но метрику пора менять всем участникам рынка: считать не подписки и сожжённые токены, а стоимость задачи, принятой в основную ветку. И по этой метрике «золотые леса», как правило, проигрывают одинокому циклу с хорошей моделью.
Отечественный рынок пошёл путём приземлённым. По имеющимся данным, Сбер развивает кодинг-ассистента с автодополнением и чатом, встроенного в привычные IDE; Яндекс предлагает похожий сервис в своём облаке, а флагманские модели обеих компаний планомерно подтягивают работу с кодом. Крупные компании внедряют такие ассистенты в собственные процессы разработки: банкам и техгигантам предсказуемость и размещение на своей инфраструктуре дороже экзотических автономных роёв.
Ограничения тоже известны: доступ к топовым ускорителям ограничен, а об отставании от фронтирных моделей в сложном коде специалисты высказываются осторожно. Зато связка «своя модель + тонкая обвязка + интеграция с корпоративными репозиториями» даёт главное — контролируемую стоимость и приватность. Ровно эту схему мировой рынок, по всей видимости, и считает рабочей. Государственные программы развития ИИ до 2030 года и растущее число открытых весов добавляют потенциала: ниша enterprise-ассистентов с аккуратным дешёвым циклом для российских игроков выглядит достижимее гонки за полностью автономными агентами.
Обвязка — те самые строительные леса: они нужны, пока здание не стоит само. Модели крепчают быстрее, чем обрастают фреймворки, и каждая навороченная прослойка сегодня чаще прячет слабость, чем создаёт силу. Так что считайте стоимость задачи, принятой в основную ветку, вкладывайтесь в контекст, тесты и ревью — а «золотые леса» оставьте тем, кто продаёт слайды.