У професійній спільноті аналітиків та розробників ШІ сталася знакова подія: у мережу потрапив внутрішній гайд компанії Anthropic, присвячений так званій loop-інженерії — методології побудови циклів роботи ШІ-агентів. Провідний аналітик Майлз Дойчер назвав цей документ найціннішим керівництвом зі штучного інтелекту, яке йому доводилося бачити за останній рік. Хоча факт витоку поки офіційно не підтверджено, зміст документа вже викликав бурхливе обговорення.

П'ять стовпів циклу: від виявлення до розкладу

Дойчер виділив п'ять ключових принципів, на яких будується кожен такий цикл, посилаючись на публікацію інженера Енді Османа. Перший — виявлення: агент самостійно знаходить собі завдання через збої тестів, відкриті завдання та коміти. Другий — ізоляція: кожне завдання отримує окрему робочу гілку в системі контролю версій.

Третій принцип — перевірка: генератор коду ніколи не повинен сам оцінювати свою роботу. Четвертий — стійкість: запис стану на диск, щоб він зберігався між запусками. П'ятий — розклад: система працює за таймером, у тому числі поки користувач спить.

Найважливішим правилом Дойчер назвав розділення генератора та оцінювача. Необхідно використовувати двох агентів: один пише код, а другий виступає скептично налаштованим суддею, який виходить із того, що код зламаний. Оцінювач при цьому повинен діяти — запускати тести, натискати кнопки, робити скріншоти. Саме це, за словами аналітика, реально відсікає поганий результат.

Ризики та стратегія «80 на 20»

Дойчер перерахував і ризики такого підходу. Серед них — «борг за перевірку», втрата розуміння власної кодової бази, вибухове зростання витрат на токени та «когнітивна капітуляція» — коли людина перестає думати, покладаючись на те, що «цикл сам впорається».

Для контролю над витратами аналітик запропонував підхід «штанги» за принципом 80 на 20. Для найскладніших завдань, що потребують максимального інтелекту, варто використовувати дорогі моделі на кшталт Opus, а решту 80% рутинної роботи виконувати дешевими моделями з відкритим вихідним кодом у рамках інструментарію Claude Code. Як приклад для виконання коду він навів модель GLM-5.2.

Особистий файл налаштувань Карпатого

Схожу тему порушив інженер Хайраллах аль-Аваді. За його словами, розробник ШІ Андрій Карпатий приєднався до Anthropic п'ять тижнів тому, а знайомий з його команди показав файл Claude.md, який той нібито використовує в роботі. Аль-Аваді впровадив цей файл у свою конфігурацію, і перша ж відповідь моделі виявилася зовсім іншою. За його твердженням, Claude перестав давати узагальнені відповіді та почав працювати в тій логіці, в якій мислить сам користувач.

Моя експертна думка: Обговорення навколо цього гайду відображають реальний тренд: розробники все активніше вибудовують автоматизовані цикли роботи ШІ-агентів. Ключовими темами залишаються розділення ролей між моделями, контроль якості та стримування витрат на токени. Файл Claude.md від Карпатого — ще одне підтвердження того, що персоналізовані конфігурації стають стандартом індустрії, кардинально змінюючи якість взаємодії з моделями.