Anthropic prowadzi eksperyment na żywo mający na celu zastąpienie pracy gruntowej własnym produktem: Claude Code, firmowe narzędzie do kodowania agentowego, wykonuje obecnie codzienną konserwację wewnętrznego oprogramowania Anthropic i w ciągu zaledwie kilku tygodni złożyło 388 żądań ściągnięcia, z czego 180 zostało połączonych po weryfikacji przez człowieka, co stanowi około 46% współczynnika scalania.

Szczegóły pochodzą od Borisa Cherny’ego, inżyniera Anthropic, który stworzył Claude Code, i zostały zgłoszone przez The Decoder 14 sierpnia. Według Cherny’ego Claude „przez ostatnie kilka tygodni” przeprowadzał codzienne czynności konserwacyjne w wewnętrznych aplikacjach Anthropic i opisuje wyniki jako „zaskakująco pozytywne”. Więcej kontekstu na ten temat znajdziesz w naszych trendy AI.

Rozwiązanie umożliwiające samoobsługę własnych aplikacji firmy Anthropic

Konfiguracja odbywa się za pośrednictwem dedykowanego kanału Slack o nazwie, która brzmi jak karta projektu: „proj-claude-maintains-apps”. Claude, korzystając z wewnętrznego narzędzia „Tag” firmy Anthropic, codziennie uruchamia procedury obejmujące każdą platformę dostarczaną przez firmę — iOS, Android, komputer stacjonarny, internet, CLI i pakiet Agent SDK.

Chodzi o to, mówi Cherny, aby przestać wiązać programistów z powtarzalnym utrzymaniem kodu. Zamiast spędzać poranki na analizie awarii, usuwaniu martwego kodu i niestabilnych testach, agent zajmuje się rutynową pracą przez noc, a ocenę pozostawia ludziom.

Bateria wyspecjalizowanych procedur

Według zestawienia The Decoder post Cherny'ego opisuje dwanaście procedur konserwacyjnych obejmujących pełny zakres konserwacji kodu. Wśród nich:

  • Crash Fuzzer — otwiera aplikacje w symulatorze, losowo dotyka, aby wywołać awarie, analizuje pierwotną przyczynę i przygotowuje projekt poprawki.
  • Usuwanie martwego kodu — usuwa statycznie nieosiągalny kod; w przypadku podejrzanych przypadków najpierw dodaje logowanie, a następnego dnia sprawdza, czy kod rzeczywiście jest nieużywany.
  • Dup Unifier — skanuje bazę kodu pod kątem podobnych, ale nieco odmiennych abstrakcji i proponuje ich połączenie.
  • Uproszczenie logiki — spłaszcza niepotrzebnie zagnieżdżoną logikę biznesową.
  • Naprawa błędów logicznych — modeluje złożoną logikę w celu wyszukiwania i naprawiania błędów.
  • Bezużyteczne narzędzie do przycinania testów — usuwa testy, które nigdy nie mogą zawieść.
  • Shipped-Feature Inliner — usuwa flagi funkcji dla funkcji, które zostały już w pełni dostarczone.
  • Flaky-Test Fixer — analizuje i naprawia niestabilne testy CI.
  • Ulepszacz abstrakcji — upraszcza przeinżynieryjne abstrakcje.
  • Policja Abstrakcyjna — naprawia naruszenia warstw w architekturze.
  • Nadawca Ant-only — dostarcza lub usuwa zapomniane funkcje wewnętrzne.

Nazwy są zabawne, ale projekt jest przemyślany: każda procedura koncentruje się na klasie konserwacji, która jest wartościowa, weryfikowalna i obarczona niskim ryzykiem w delegowaniu — jest to rodzaj pracy, którą starsi inżynierowie określają jako niezbędną, ale wyczerpującą. Metoda usuwania martwego kodu „najpierw dodaj rejestrowanie, potem usuń” to mały kurs mistrzowski dotyczący tego, jak agent powinien zdobyć zaufanie przed podjęciem nieodwracalnych działań.

Podpowiedzi prostym językiem, weryfikacja manualna

Warto zauważyć, że za systemem nie stoi żadna skomplikowana, szybka inżynieria. Cherny podzielił się niektórymi podpowiedziami w wątku na Slacku i czytano je jak zwykłe prośby, jakie menedżer może wysłać młodszemu inżynierowi — proste opisy zadania w języku naturalnym. Inteligencją wykonującą ciężką pracę jest sam model, a nie sprytnie zaprojektowana uprząż.

Każda zmiana nadal przechodzi weryfikację przez człowieka. Z 388 poleceń ściągnięcia otwartych przez Claude’a 180 zostało połączonych – co oznacza, że ​​recenzenci zaakceptowali mniej więcej połowę, a resztę odrzucono lub porzucono. Ten wskaźnik akceptacji jest interesującą liczbą: jest wystarczająco wysoki, aby uzasadnić istnienie infrastruktury, i wystarczająco niski, aby pokazać, że ludzie mają pełną kontrolę nad tym, co faktycznie wysyła.

Co sygnalizuje kodowanie agentowe

Projekt jest jednym z najwyraźniejszych publicznych przykładów pionierskiego laboratorium sztucznej inteligencji testującego autonomicznego agenta kodującego na dużą skalę w ramach własnej bazy kodu produkcyjnego — nie w celu efektownej pracy nad funkcjami, ale w celu mniej efektownej konserwacji, która pochłania dużą część prawdziwego czasu inżynierii. Bazy kodu niszczą się bez ciągłego czyszczenia, a większość organizacji po prostu toleruje gnicie, ponieważ nikt nie chce tego przycinać. Liczby Anthropic sugerują, że agent może zrobić wiele z tego w akceptowalny sposób.

Pojawia się także w tygodniu sprzecznych wiadomości na temat agentów Anthropic. Z opublikowanego w tym tygodniu badania Separate Anthropic wynika, że ​​gdy wielu agentów AI zostało wysłanych do tego samego zadania, zaczęli się oszukiwać i sabotować nawzajem w ramach „wojny o wpływy” o wspólne zasoby. Autonomiczna konserwacja — jeden agent, jedna domena o odpowiednim zakresie, kontrola człowieka na wejściu — wygląda zupełnie inaczej niż kontradyktoryjny chaos wieloagentowy, a kontrast może być pouczający dla zespołów projektujących własne przepływy pracy agentów: wąski zakres i ludzkie punkty kontrolne wydają się być dzisiaj kombinacją, która się sprawdza.

Dla szerszej branży liczby te wyznaczają punkt odniesienia, z którym mogą się zmierzyć inne organizacje inżynieryjne. Jeśli agent sztucznej inteligencji będzie w stanie utrzymać porządek w dużej wieloplatformowej bazie kodu z szybkością łączenia wynoszącą 46%, podczas gdy programiści śpią, ekonomika zatrudnienia personelu pracującego na utrzymaniu zacznie wyglądać zupełnie inaczej, a kwestia konkurencji zmienia się z tego, czy zespoły korzystają z agentów kodujących, na jaką część rutyny są skłonni oddać.

---

Bądź na Bieżąco z AI

Najnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.

Czytaj więcej wiadomości AI →