Ukuzaji Unaoendeshwa na Wakala: Kuimarisha Sayansi Tumizi ya Copilot

Kuendesha Kazi ya Kiakili Kiotomatiki kwa Wakala wa AI

Katika mazingira yanayoendelea kwa kasi ya uhandisi wa programu, harakati ya ufanisi mara nyingi husababisha uvumbuzi wa kutisha. Tyler McGoffin, mtafiti wa AI, hivi karibuni alielezea safari inayoakisi roho hii: kuendesha kazi yake ya kiakili kiotomatiki kupitia ukuzaji unaoendeshwa na wakala na GitHub Copilot. Hii si tu kuhusu usimbaji wa haraka; ni kuhusu kubadilisha kimsingi jukumu la msanidi kutoka uchambuzi unaorudiwa hadi utatuzi wa matatizo ya ubunifu na usimamizi wa kimkakati. Uzoefu wa McGoffin unaonyesha muundo unaojulikana kati ya wahandisi—kutengeneza zana za kuondoa kazi ngumu—lakini anachukua hatua zaidi kwa kuwakabidhi wakala wa AI kazi ngumu za uchambuzi ambazo hapo awali zilikuwa haziwezekani kupanuliwa kwa mikono.

Msukumo wa McGoffin ulitokana na kipengele muhimu, lakini chenye kutisha, cha kazi yake: kuchambua utendaji wa wakala wa usimbaji dhidi ya vigezo kama TerminalBench2 na SWEBench-Pro. Hii ilihusisha kuchambua 'mifumo ya mienendo'—kumbukumbu za JSON za kina za michakato ya mawazo na vitendo vya wakala—ambazo zinaweza kufikia mamia ya maelfu ya mistari ya msimbo katika kazi nyingi na utekelezaji wa vigezo. Ingawa GitHub Copilot tayari ilisaidia katika utambuzi wa mifumo, asili inayojirudia ya mzunguko huu wa uchambuzi ilihitaji sana uendeshaji kamili wa kiotomatiki. Hii ilisababisha uundaji wa 'eval-agents,' mfumo ulioundwa kuendesha mzigo huu wa kiakili kiotomatiki, ukiwezesha timu yake katika Copilot Applied Science kufikia ufanisi sawa.

Mchoro wa Ukuzaji Unaoendeshwa na Wakala

Mwanzo wa 'eval-agents' uliongozwa na seti wazi ya kanuni zilizolenga ushirikiano na upanuzi. McGoffin alilenga kufanya wakala hawa wa AI wawe rahisi kushiriki, rahisi kuandika, na gari kuu la michango ya timu. Malengo haya yanaakisi maadili makuu ya GitHub, hasa yale yaliyoboreshwa wakati wa uzoefu wake kama mtunzaji wa OSS wa GitHub CLI. Hata hivyo, ilikuwa lengo la tatu—kuwafanya wakala wa usimbaji kuwa mchangiaji mkuu—ambalo liliunda kweli mwelekeo wa mradi na kufungua faida zisizotarajiwa kwa malengo mawili ya kwanza.

Usanidi wa usimbaji wa wakala ulitumia zana kadhaa zenye nguvu kurahisisha mchakato wa ukuzaji:

• Wakala wa usimbaji: Copilot CLI, inayotoa mwingiliano wa moja kwa moja na udhibiti.
• Muundo uliotumika: Claude Opus 4.6, inayotoa uwezo wa juu wa hoja na uzalishaji wa msimbo.
• IDE: VSCode, inayotumika kama nafasi kuu ya kazi kwa ukuzaji.

Muhimu, Copilot SDK ilikuwa muhimu sana, ikitoa ufikiaji wa zana zilizopo, seva za MCP, na taratibu za kusajili zana na ujuzi mpya. Msingi huu uliondoa hitaji la kurudia utendakazi wa msingi wa wakala, kuruhusu timu kuzingatia mantiki maalum ya programu. Mazingira haya jumuishi yalikuza mzunguko wa ukuzaji wa haraka, ikithibitisha kwamba kwa usanidi sahihi, wakala wa AI hawakuweza tu kusaidia bali pia kuendesha sehemu kubwa ya juhudi za ukuzaji.

Kanuni Muhimu za Usimbaji Bora wa Wakala

Kuhama kwenda kwenye dhana inayoendeshwa na wakala kunahitaji zaidi ya zana tu; kunadai mabadiliko ya mbinu. McGoffin alitambua kanuni tatu muhimu ambazo zilionyesha kuwa msingi wa kuharakisha ukuzaji na kukuza ushirikiano:

1. Mikakati ya Kutoa Vidokezo: Kuingiliana na wakala kwa ufanisi kunamaanisha kuwa wa mazungumzo, maelezo mengi, na kuipa kipaumbele mipango.
2. Mikakati ya Usanifu: Msingi wa msimbo safi, wenye nyaraka kamili, na uliorekebishwa upya ni muhimu sana kwa wakala kupitia na kuchangia kwa ufanisi.
3. Mikakati ya Kurudia: Kukumbatia mawazo ya "laumu mchakato, sio wakala," sawa na utamaduni usio na lawama, huwezesha majaribio ya haraka na kujifunza.

Mikakati hii, inapotumika mfululizo, ilisababisha matokeo ya kushangaza. Kama ushuhuda wa ufanisi huu, wachangiaji wapya watano, ndani ya siku tatu tu, kwa pamoja waliongeza wakala 11 wapya, ujuzi nne mpya, na kuanzisha dhana ya 'mifumo ya kazi ya wakala wa tathmini' kwenye mradi. Mbio hizi shirikishi zilisababisha mabadiliko ya ajabu ya +28,858/-2,884 mistari ya msimbo katika faili 345, ikionyesha athari kubwa ya mifumo ya kazi ya wakala wa github katika vitendo.

Hapa kuna muhtasari wa kanuni kuu:

Kuharakisha Ukuzaji: Mikakati Katika Vitendo

Mafanikio ya mbinu hii inayoendeshwa na wakala yanatokana na matumizi ya vitendo ya kanuni hizi.

Mikakati ya Kutoa Vidokezo: Kuongoza Mhandisi wa AI

Wakala wa usimbaji wa AI, ingawa wana nguvu, huweka vyema katika matatizo yaliyopangwa vizuri. Kwa kazi ngumu zaidi, wanahitaji mwongozo, kama vile wahandisi wachanga. McGoffin aligundua kuwa kushiriki katika mtindo wa mazungumzo, kuelezea mawazo, na kutumia hali za kupanga kulikuwa na ufanisi zaidi kuliko amri fupi. Kwa mfano, wakati wa kuongeza majaribio thabiti ya kurudisha nyuma, kidokezo kama /plan Nimeona hivi karibuni Copilot ikisasisha majaribio kwa furaha ili kulingana na mifumo yake mipya ingawa majaribio hayafai kusasishwa. Ninawezaje kuunda nafasi ya majaribio iliyohifadhiwa ambayo Copilot haiwezi kugusa au lazima ihifadhi ili kujikinga na kurudi nyuma? kilianzisha mazungumzo yenye tija. Mwingiliano huu, mara nyingi na muundo thabiti wa Claude Opus 4.6, ulisababisha suluhisho za kisasa kama vile vizuizi vya upimaji wa mkataba, ambavyo wahandisi wa kibinadamu pekee ndio wangeweza kusasisha, kuhakikisha utendakazi muhimu unabaki salama.

Mikakati ya Usanifu: Msingi wa Ubora Unaosaidiwa na AI

Kwa wahandisi wa kibinadamu, kutunza msingi wa msimbo safi, kuandika majaribio, na kuweka nyaraka za vipengele mara nyingi huwekwa kipaumbele cha chini chini ya shinikizo la vipengele. Katika ukuzaji unaoendeshwa na wakala, haya yanakuwa muhimu sana. McGoffin aligundua kuwa kutumia muda kurekebisha upya, kuweka nyaraka, na kuongeza kesi za majaribio kuliboresha sana uwezo wa Copilot kupitia na kuchangia kwenye msingi wa msimbo. Hifadhi ya kwanza ya wakala inastawi kwa uwazi. Hii inaruhusu wasanidi hata kumpa Copilot maswali kama 'Nikijua ninachojua sasa, ningeundaje hii tofauti?', kubadilisha urekebishaji wa kinadharia kuwa miradi inayoweza kufikiwa kwa usaidizi wa AI. Kuzingatia huku kwa kudumu kwenye afya ya usanifu kunahakikisha kuwa vipengele vipya vinaweza kutolewa kwa urahisi.

Mikakati ya Kurudia: Kuamini Mchakato, Sio Tu Wakala

Mageuzi ya mifumo ya AI yamebadilisha mawazo kutoka 'amini lakini hakikisha' kwenda kwenye msimamo wa kuamini zaidi, sawa na jinsi timu zenye ufanisi zinavyofanya kazi na falsafa ya 'laumu mchakato, sio watu.' 'Utamaduni huu usio na lawama' katika ukuzaji unaoendeshwa na wakala unamaanisha kwamba wakala wa AI anapofanya kosa, jibu ni kuboresha michakato na vizuizi vilivyopo, badala ya kumlaumu wakala mwenyewe. Hii inahusisha kutekeleza mazoea magumu ya CI/CD: uwekaji vikali wa aina ili kuhakikisha utiifu wa kiolesura, linters thabiti kwa ubora wa msimbo, na majaribio mengi ya ujumuishaji, mwisho-hadi-mwisho, na mkataba. Ingawa kujenga majaribio haya kwa mikono kunaweza kuwa ghali, usaidizi wa wakala unawafanya kuwa na gharama nafuu zaidi kutekeleza, ikitoa ujasiri muhimu katika mabadiliko mapya. Kwa kuanzisha mifumo hii, wasanidi wanampa Copilot uwezo wa kukagua kazi yake mwenyewe, ikiakisi jinsi mhandisi mchanga anavyowekwa kwa mafanikio.

Kufahamu Mzunguko wa Ukuzaji Unaoendeshwa na Wakala

Kuunganisha kanuni hizi kwenye mfumo wa kazi unaotumika huunda mzunguko wa ukuzaji wenye nguvu, ulioharakishwa:

1. Panga na Copilot: Anzisha vipengele vipya kwa kutumia /plan. Rudia mpango, kuhakikisha vipimo na masasisho ya nyaraka yamejumuishwa na kukamilika kabla ya utekelezaji wa msimbo. Nyaraka zinaweza kutumika kama seti ya ziada ya miongozo kwa wakala.
2. Tekeleza na Autopilot: Ruhusu Copilot kutekeleza kipengele kwa kutumia /autopilot, ikitumia uwezo wake wa kuzalisha msimbo.
3. Kagua na Copilot Code Review: Mpe Copilot kidokezo kuanzisha mzunguko wa ukaguzi. Hii inahusisha kuomba wakala wa Copilot Code Review, kushughulikia maoni yake, na kuomba tena ukaguzi hadi masuala yatatuliwe.
4. Ukaguzi wa Binadamu: Fanya ukaguzi wa mwisho wa binadamu ili kuhakikisha mifumo inatekelezwa na maamuzi magumu yanaendana na nia ya kimkakati.

Zaidi ya mzunguko wa vipengele, uboreshaji endelevu ni muhimu. McGoffin mara kwa mara humpa Copilot amri kama vile /plan Kagua msimbo kwa ajili ya vipimo vyovyote vinavyokosekana, vipimo vyovyote vinavyoweza kuvunjika, na msimbo usiokitumika au /plan Kagua nyaraka na msimbo ili kutambua mapungufu yoyote ya nyaraka. Ukaguzi huu, unaoendeshwa kila wiki au vipengele vipya vinapojumuishwa, unahakikisha mazingira ya ukuzaji unaoendeshwa na wakala yanabaki na afya na ufanisi.

Mustakabali wa Uhandisi wa Programu na AI

Kile kilichoanza kama azma ya kibinafsi ya kuendesha kazi ya uchambuzi yenye kufadhaisha kiotomatiki kimegeuka kuwa dhana mpya ya ukuzaji wa programu. Ukuzaji unaoendeshwa na wakala, unaotumiwa na zana kama GitHub Copilot na mifumo ya hali ya juu kama Claude Opus, si tu kuhusu kuwafanya wasanidi kuwa wepesi; ni kuhusu kubadilisha kimsingi asili ya kazi kwa watafiti wa AI na wahandisi wa programu sawa. Kwa kuhamisha kazi ngumu ya kiakili kwa wakala wenye akili, timu zinaweza kufikia viwango visivyo na kifani vya tija, ushirikiano, na uvumbuzi, hatimaye kuzingatia changamoto za ubunifu na kimkakati zinazoendesha maendeleo kweli. Mbinu hii inatangaza mustakabali wa kusisimua ambapo wakala wa AI si zana tu, bali ni wanachama muhimu wa timu ya ukuzaji, wakibadilisha jinsi tunavyojenga na kutunza programu.