Это лучший подход к распределению задач между ИИ-агентами за последний год. Проект shadcn/improve предлагает элегантную механику: использовать самую мощную модель исключительно для аудита кодовой базы, а рутинное написание кода делегировать дешевым моделям. Вы тратите дорогие токены на архитектурное мышление, а дешевые — на механическое исполнение!
Инструмент работает как дотошный техлид. По команде /improve система разворачивает параллельных субагентов, которые сканируют проект на уязвимости, проблемы с производительностью и технический долг. После фильтрации ложных срабатываний генерируется таблица с приоритетами. Вы указываете, что именно нужно исправить, и старшая модель пишет подробные спецификации в директорию plans/. Сама утилита исходный код не меняет — ее конечным продуктом является только план.
Сгенерированные Markdown-файлы спроектированы так, чтобы с ними справилась самая базовая нейросеть. Внутри собраны точные пути к файлам, куски текущего кода, команды для проверок и жесткие STOP-условия. Если код не совпадает с планом, дешевый агент не начнет импровизировать, а прервет работу. Командой /improve execute можно отправить задачу на исполнение в изолированное git-дерево. Старшая модель проверит написанный diff, прогонит тесты и вынесет вердикт, оставив финальное слияние веток за вами.
Поделиться:
Как Epic Games внедряет нейросети в концепт-арт: пайплайн с плагином GenMedia Bridge
Манифест алгоритмической музыки: почему трек Torpedo Boyz иллюстрирует принципы работы AI-генераторов