Как работают AI-агенты для программистов: поиск кода, индексы и эффективность
Сегодня у меня в гостях Дмитрий Коваленко, инженер, который глубоко погрузился в тему AI-агентов и оказался в центре одной из самых неожиданных точек роста современной разработки, связанной с файловым поиском. Мы обсудили, почему в эпоху агентов привычные инструменты вроде ripgrep начинают давать сбой и как меняется сама природа поиска, когда вместо человека код исследует система, выполняющая десятки запросов подряд без памяти и контекста. Полезные ссылки: https://x.com/neogoose_btw https://youtube.com/@neogoose_btw https://github.com/dmtrKovalenko Подписывайтесь на канал «Организованное программирование» в Telegram: https://ttttt.me/orgprog – Список подкаст-платформ (Apple Podcast, Google Podcast, Spotify, Яндекс.Музыка и другие): https://podcast.ru/1734325321 – Смотреть в ВК Видео: https://vkvideo.ru/video-224967259_456239287 🔹 Курсы по искусственному интеллекту: https://ru.hexlet.io/courses_artificial-intelligence 🔹Хекслет Клуб в Telegram https://t.me/HexletClubBot Также разобрали, как на самом деле работают AI-агенты. Обсудили, почему их базовая операция сводится к поиску файлов и генерации диффов, зачем нужен stateful-поиск и почему каждый лишний tool call превращается не просто в оверхед, а в прямые затраты денег и рост latency. Подробно прошлись по архитектуре, включая SIMD, индексы, биграммы, sparse-подходы и попытки переосмыслить классический full-text search под новые сценарии. Затронули и более широкий контекст: — почему LSP может оказаться не нужен агентам — как устроены MCP и tool calls под капотом — зачем агентам дополнительный контекст (git status, definitions) — почему UX таких систем не только инженерная задача, но и продуктовая — почему терминальные UI до сих пор боль — куда движутся OpenCode, Cursor и Code Agents — почему большие компании, вероятно, всё равно победят — и как меняется роль разработчика, когда код всё чаще пишет не он В этом видео: 00:00 — Как один токсичный твит привёл к интеграции в OpenCode 01:14 — Почему никто по-настоящему не понимает, как работают AI-агенты 06:34 — Когда оптимизация реально начинает иметь значение (и когда нет) 14:47 — Что внутри: как устроен быстрый поиск (файлы, watcher’ы, state) 26:10 — Как подключить быстрый поиск к AI-агенту: SDK и MCP без магии 36:10 — LSP против AI: почему классические инструменты дают сбой 44:20 — Почему AI почти не использует стандартные библиотеки 53:40 — Главная проблема: почему AI невозможно нормально измерить 01:02:00 — Опасная ловушка: когда разработка подгоняется под бенчмарки 01:17:00 — Bun vs Node: где реальная польза, а где хайп 01:28:30 — Будущее интерфейсов: почему CLI и GUI сходятся 01:35:30 — Итог: выиграют не модели, а инфраструктура вокруг них #программирование #ai #разработка #coding #devtools #neovim #backend #искусственныйинтеллект #opencode #aiagents @mokevnin #кириллмокевнин Как работают AI-агенты для программистов: поиск кода, индексы, эффективность. Дмитрий Коваленко #82
Сегодня у меня в гостях Дмитрий Коваленко, инженер, который глубоко погрузился в тему AI-агентов и оказался в центре одной из самых неожиданных точек роста современной разработки, связанной с файловым поиском. Мы обсудили, почему в эпоху агентов привычные инструменты вроде ripgrep начинают давать сбой и как меняется сама природа поиска, когда вместо человека код исследует система, выполняющая десятки запросов подряд без памяти и контекста. Полезные ссылки: https://x.com/neogoose_btw https://youtube.com/@neogoose_btw https://github.com/dmtrKovalenko Подписывайтесь на канал «Организованное программирование» в Telegram: https://ttttt.me/orgprog – Список подкаст-платформ (Apple Podcast, Google Podcast, Spotify, Яндекс.Музыка и другие): https://podcast.ru/1734325321 – Смотреть в ВК Видео: https://vkvideo.ru/video-224967259_456239287 🔹 Курсы по искусственному интеллекту: https://ru.hexlet.io/courses_artificial-intelligence 🔹Хекслет Клуб в Telegram https://t.me/HexletClubBot Также разобрали, как на самом деле работают AI-агенты. Обсудили, почему их базовая операция сводится к поиску файлов и генерации диффов, зачем нужен stateful-поиск и почему каждый лишний tool call превращается не просто в оверхед, а в прямые затраты денег и рост latency. Подробно прошлись по архитектуре, включая SIMD, индексы, биграммы, sparse-подходы и попытки переосмыслить классический full-text search под новые сценарии. Затронули и более широкий контекст: — почему LSP может оказаться не нужен агентам — как устроены MCP и tool calls под капотом — зачем агентам дополнительный контекст (git status, definitions) — почему UX таких систем не только инженерная задача, но и продуктовая — почему терминальные UI до сих пор боль — куда движутся OpenCode, Cursor и Code Agents — почему большие компании, вероятно, всё равно победят — и как меняется роль разработчика, когда код всё чаще пишет не он В этом видео: 00:00 — Как один токсичный твит привёл к интеграции в OpenCode 01:14 — Почему никто по-настоящему не понимает, как работают AI-агенты 06:34 — Когда оптимизация реально начинает иметь значение (и когда нет) 14:47 — Что внутри: как устроен быстрый поиск (файлы, watcher’ы, state) 26:10 — Как подключить быстрый поиск к AI-агенту: SDK и MCP без магии 36:10 — LSP против AI: почему классические инструменты дают сбой 44:20 — Почему AI почти не использует стандартные библиотеки 53:40 — Главная проблема: почему AI невозможно нормально измерить 01:02:00 — Опасная ловушка: когда разработка подгоняется под бенчмарки 01:17:00 — Bun vs Node: где реальная польза, а где хайп 01:28:30 — Будущее интерфейсов: почему CLI и GUI сходятся 01:35:30 — Итог: выиграют не модели, а инфраструктура вокруг них #программирование #ai #разработка #coding #devtools #neovim #backend #искусственныйинтеллект #opencode #aiagents @mokevnin #кириллмокевнин Как работают AI-агенты для программистов: поиск кода, индексы, эффективность. Дмитрий Коваленко #82