Блог Kodik
Новости, обновления и полезные статьи о разработке с использованием ИИ.
Рассказываем, что есть такое Agentic Coding, как работают кодинг-агенты, какие задачи им можно поручать и как агентное программирование меняет процесс разработки и роль специалиста.
Умное автодополнение — “прото-вайбкодинг” в некотором смысле — это удобно, нейросеть сама дополняет текущую строчку. Но это всё ещё ты пишешь код, руками. Пару лет спустя появились AI-агенты, которые берут на себя все базовые задачи IT-тружеников: читают проект, продумывают шаги, меняют файлы, запускают тесты и возвращаются к тебе уже с готовым результатом. Этот сдвиг от подсказок к самостоятельной работе над задачей называют agentic coding. В этой статье разбираемся, что за подход, как он устроен внутри и что меняется в работе разработчика.|
Agentic coding (рус. — агентное программирование) — подход к разработке программного обеспечения, при котором значительная часть работы делегируется AI-агенту: он сам выполняет связанную задачу от начала до конца. Вы формулируете запрос на естественном языке, своими словами — к примеру, “почини баг с авторизацией”, “добавь пагинацию в SQL-таблицу заказов” — а дальше агент сам решает, какие шаги предпринять. И предпринимает их, удивительно.
Ключевая фигура здесь — кодинг-агент. Технически это “обвязка” (или harness) вокруг языковой модели: управляющий цикл, который получает цель и шаг за шагом решает, что делать дальше — какой файл открыть, какой инструмент вызвать, как обновить состояние, когда остановиться. Модель отвечает за рассуждения и генерацию кода; агентный слой превращает мысли в действия: чтение и правку файлов, запуск тестов, работу с терминалом. Получается исполнитель, который умеет работать не только с одной строчкой в скрипте, но и сразу с несколькими файлами и держит в голове контекст проекта.
Проясним сразу терминологию, потому что её легко перепутать. Агентно-ориентированное программирование (agent-oriented programming) — это отдельная парадигма из мира мультиагентных систем, появившаяся задолго до больших языковых моделей. Agentic coding же — это практика разработки с AI-агентом, который работает с кодом, файлами и инструментами проекта. Классический агентно-ориентированный подход и современный Agentic Coding связаны идеей автономных агентов, но обозначают разные подходы. Первое относится к архитектуре программных систем, второе - к использованию AI-агентов при разработке кода.
Ещё важный момент: разработчик никуда не девается. Меняется его роль — от “того, кто набирает каждую строку” к “тому, кто ставит задачу, задаёт рамки и проверяет результат”. Человеческий контроль остаётся на ключевых творческих развилках, в которых нейросети пока хромают: что вообще делаем, какая архитектура, что считать готовым.
Чтобы понять agentic coding, удобнее всего посмотреть на рабочий цикл. У большинства кодинг-агентов он примерно одинаковый: получить задачу, разобраться в проекте, составить план, внести изменения, проверить себя и, наконец, отдать результат человеку. Дьявол, как всегда, прячется в деталях каждого из этих шагов — ниже о них.
Сначала агент разбирается, что от него хотят и где он вообще находится. Он анализирует запрос, изучает кодовую базу, ищет связанные файлы и зависимости: где лежит нужный модуль, какие функции уже есть, как в проекте принято писать. Хороший кодинг-агент не бросается сразу писать код — сначала он собирает контекст проекта, потому что правка вслепую почти всегда ломает то, что работало. Чем точнее агент понял задачу на этом этапе, тем меньше придётся переделывать потом.
Далее идёт планирование действий. Агент выстраивает порядок шагов — что изменить, в какой последовательности, что проверить. На этом этапе подключается работа с инструментами. У агента есть набор инструментов: файловая система, терминал, команды в Git, иногда браузер и внешние сервисы через API. Он сам выбирает, какой инструмент вызвать под текущий шаг — отредактировать файл, выполнить команду в среде разработки, собрать проект. Автономное выполнение задач через инструменты отличает агента от обычного чат-бота.
Агент может проверять сам себя. Для этого он запускает тесты, смотрит на ошибки, читает вывод компилятора или линтера, после чего берётся за исправление ошибок при их наличии. Если тест упал — агент анализирует, почему, правит код и прогоняет тесты снова. Цикл правок может повторяться несколько раз, пока решение не сойдётся. Финальная проверка результата остаётся на откуп человека, но к этому моменту агент обычно приносит рабочий вариант, который прошёл все тесты.
Чаще всего агенту поручают:
Допустим, в таблице недавних заказов нужно добавить бесконечную, зацикленную прокрутку. Вы формулируете это одной фразой. Агент находит компонент таблицы и связанный с ним API-запрос, понимает, как сейчас грузятся данные, планирует изменения — добавить подгрузку по скроллу на фронте и параметр пагинации на бэке. Затем агент правит файл или, если нужно, несколько файлов сразу, дописывает обработку и запускает проект. Если что-то не собралось — читает ошибку и правит. На выходе получаются готовые изменения, которые остаётся просмотреть и закоммитить. И при этом вы ни разу не копируете код в чат и обратно — вся работа с кодом идёт прямо в проекте.
Вокруг ИИ в разработке накопилось много похожих терминов, и их постоянно друг с другом мешают. Разведём два самых частых стереотипа.
Обычный AI-ассистент работает в формате диалога: вы спрашиваете, он отвечает фрагментом кода, который вы сами вставляете в редактор. Это разовые подсказки, и вся «сборка» решения на вас: скопировать, адаптировать, проверить, связать с остальным проектом. Agentic coding берёт выше, т.к. агент сам доводит выполнение задачи до результата, действуя в вашей среде разработки. Проще говоря, ассистент советует, а агент делает.
Вайб-кодинг (vibe coding) — это стиль взаимодействия: вы ведёте разработку, используя естественный язык, описываете желаемое словами и принимаете то, что выдаёт модель, не особо вникая в код. Такой подход отлично работает для прототипов и экспериментов (или если вы далеки от программирования), но легко скатывается в технический долг. Agentic coding обеспечивает автономный рабочий цикл: агент планирует, проверяет себя тестами и итерациями доводит задачу до победного финала. Можно сказать, вайб-кодинг описывает, как вы формулируете запрос, а агентное программирование — как это работает в целом, под капотом.
Когда ощутимая часть рутины уходит агенту, в работе инженера смещается фокус. Меньше времени уходит на набор бойлерплейта, больше — на то, что агенту вряд ли делегируешь:
Выходит, что разработчик становится архитектором и ревьюером и чуть меньше ощущает себя машинисткой. Дуализм агента и человека работает ровно настолько, насколько ясно вы умеете формулировать.
Расплывчатая задача — расплывчатый результат; это, кстати, отрезвляющий аргумент против страхов, что ИИ заменит программистов. Скорее наоборот: человеческий контроль и инженерное мышление становятся всё важнее.
Подход даёт измеримую пользу, но у него, конечно, есть и нюансы.
Отдельная тема дискуссий — безопасность кода. Чтобы агент работал, ему нужен доступ к репозиторию, часть кода уходит во внешние модели по API. Здесь важно контролировать то, что покидает ваш периметр: API-ключи, пароли, токены не должны утекать в облако вместе с обычным кодом. В Kodik за это отвечает KodikShield — кастомная NER-модель, которая автоматически маскирует секреты перед отправкой запроса в модель. С ним проверка кода на чувствительные данные не ложится целиком на вас.
Несколько практик, которые сильно поднимают качество результата.
Главный навык эпохи agentic coding — это, пожалуй, ясность мысли. Чем точнее формулировка, тем меньше итераций и тем выше качество кода на выходе.
Сегодня кодинг-агенты встречаются в нескольких форматах. Первый — консольные инструменты, работающие в терминале (CLI). В них агент запускается прямо из командной строки, работает с файлами и Git, проводит pull requests. Второй — расширения и плагины для привычных редакторов вроде Visual Studio (популярный вариант). Третий формат — когда агент встроен в полноценную среду разработки. Здесь вспомним одну из наших статей: что такое IDE.
Словом, когда агент живёт внутри такой IDE, ему доступны весь контекст проекта, файлы, терминал и браузер сразу — это и есть агентный режим.
Рабочий цикл, который мы описывали выше, в Kodik реализован нативно. Агент понимает контекст проекта целиком. Вы поручаете ему задачу обычным текстом, после чего он сам находит нужные файлы, планирует действия, вносит изменения и показывает результат. Не нужно копировать код в чат туда-обратно. Для быстрых правок прямо в открытом файле кода есть вызов ИИ по Ctrl+K — сгенерировать функцию, исправить ошибку или объяснить непонятный фрагмент.
Затем Kodik сам создаёт файлы и структуру, запускает тесты и занимается исправлением ошибок в реальном времени, ещё до коммита. Встроенный браузер на базе Chromium позволяет агенту тестировать веб-приложение, не покидая редактор. Вопрос безопасности закрыт уже упомянутым KodikShield: код можно отдавать передовым моделям, не опасаясь утечки секретов. Всё это удовольствие работает без VPN и с полной поддержкой русского языка.
Хотите проверить, как agentic coding работает на практике? Начните с простой задачи — исправления бага, рефакторинга или подготовки тестов. Скачайте Kodik и попробуйте работу с кодинг-агентом прямо в своём проекте: посмотрите, как агент анализирует контекст, вносит изменения и помогает проверить результат.
Небольшое — вполне: прототип, MVP, типовое приложение по понятному описанию агент соберёт. Однако чем сложнее и крупнее система, тем важнее участие человека в архитектуре, постановке задач и, разумеется, проверке. “Нажал кнопку — получил готовый продукт” пока ещё звучит маркетинговой картинкой.
Для простых задач необязательно. Но чтобы получать стабильно хороший результат, нужно уметь грамотно поставить задачу, прочитать дифф, заметить, что агент сделал не так, принять архитектурное решение. Агент ускоряет разработчика, но необходимость разбираться в коде не отменяет.
Зависит от инструмента и настроек. Вполне разумно и не параноидально ограничивать права агента, просматривать изменения перед коммитом и следить, чтобы секреты не уходили во внешние модели. Тем не менее, инструменты вроде KodikShield автоматически маскируют чувствительные данные перед отправкой в облако, что заметно снижает риски при работе с кодовой базой.