Ниже статья, анализирующая стремительную эволюцию ИИ-инструментов для кодинга, поскольку передний край освоения нейроинструментов именно там. Ведь на самом деле нейронки сделали программисты для себя , чтобы не работать , а наслаждаться жизнью)). Поэтому основные висты они и хотят от этого получить. Но , возможно, этот подход говорит о будущем не только способов кодинга, а вообще существования информационных систем. Если все так , то это станет стандартом "запуска" любой созданной системы - "наблюдение, рассуждение, действие, повторное наблюдение" , а не то что было стандартом - "запуск, ввод данных, исполнение, останов"... Но это конечно токенозатратно)). Однако рано или поздно собственная приемлемая модель будет у каждого в распоряжении, а не в облаках.

Больше не следует подталкивать ИИ к действиям. Следует проектировать циклы.

Афтаб

11 минут чтения·

9 июня 2026 г.

Питер Штайнбергер создал один из самых быстрорастущих проектов с открытым исходным кодом в истории, сделав то, на что большинство разработчиков не обращали внимания: он перестал общаться с ИИ и начал создавать системы, которые общаются с ИИ от его имени.

С тех пор, как я это прочитал, у меня в голове крутится один твит от 7 июня 2026 года.

Австрийский разработчик Питер Штайнбергер, создавший OpenClaw, наблюдавший, как его проект набрал 180 000 звезд на GitHub за три месяца, а затем отказавшийся от предложений OpenAI и Meta, прежде чем все же присоединиться к OpenAI, опубликовал это сообщение, которое посмотрели 494 500 человек:

«Вот вам ежемесячное напоминание о том, что вам больше не следует запрашивать подсказки у программистов. Вам следует создавать циклы, которые будут запрашивать подсказки у ваших агентов».

Мнения разделились поровну. Около 39% респондентов назвали это подлинной сменой мышления. Остальные 61% сочли это плохим советом, преждевременным или просто оскорбительным.

Обе точки зрения заслуживают внимания. Но аргумент Штейнбергера точнее, чем предполагали обе стороны, и если вы всерьез намерены разрабатывать приложения с использованием ИИ в ближайшие двенадцать месяцев, стоит потратить на это больше времени, чем просто на один твит.

Как мы сюда попали

Примерно два года доминирующей моделью работы с программистским агентом была следующая: написать хорошую подсказку, задать ей правильный контекст и посмотреть, что получится. Качество подсказки было навыком. Управление контекстом было искусством. Разработчик был режиссером, а агент — актером, ожидающим своей реплики в каждой сцене.

Эта модель работала достаточно хорошо, когда возможности агентов были ограничены. Вы задавали вопрос, они генерировали ответ, вы проверяли, вы снова задавали вопрос. Человек был движущей силой цикла. Агент был инструментом внутри него.

В конце 2025 и начале 2026 года произошли изменения. Системы Claude Code, Codex и аналогичные им достигли такого уровня зрелости, что агенты смогли автономно работать в течение длительных периодов времени, использовать реальные инструменты, проверять свою работу с помощью тестов и компиляторов, а также сохранять состояние между ходами. Узкое место сместилось. Вопрос перестал быть «насколько хороша моя подсказка» и стал «насколько хорошо созданная мной система знает, что делать дальше».

Борис Черни, руководитель проекта Claude Code в Anthropic, сказал нечто, что напрямую перекликается с твитом Штейнбергера: «Я больше не подсказываю Клоду, что делать. У меня работают циклы, которые подсказывают Клоду, что делать. Моя работа — писать циклы».

Два независимых эксперта из разных областей пришли к одному и тому же выводу с разницей в несколько недель. На это, как правило, стоит обратить внимание.

Что такое цикл на самом деле

Слово «петля» используется довольно свободно, поэтому позвольте мне уточнить.

В данном контексте цикл — это не цикл for в вашем коде. Это автоматизированная система, которая обрабатывает весь рабочий цикл: находит что-то, что стоит сделать, предоставляет агенту необходимый контекст, позволяет агенту работать, проверяет, является ли результат удовлетворительным, а затем решает, что делать дальше.

Вы проектируете его один раз. А потом он работает без вашего участия.

Эдди Османи, ведущий инженер Google и человек, который подробно писал об этом, описал пять основных компонентов, которые теперь поставляются в составе Claude Code и Codex в нативном виде:

Навыки. Многократно используемые наборы инструкций, которые указывают агенту, как решать определенный класс проблем. Не разовые подсказки. Составные процедуры. Разница существенна: подсказка указывает агенту, что делать прямо сейчас, навык указывает ему, как мыслить в определенной ситуации.

Внедрение контекста. Цикл считывает текущее состояние вашей системы — открытые задачи, недавние коммиты, вчерашние сбои CI, всё, что имеет значение, — и предоставляет агенту именно то, что ему нужно, прежде чем запросить у него действие. Агенту не нужно спрашивать, что происходит. Цикл уже всё ему сообщил.

Вспомогательные агенты. Один агент запускает других для выполнения конкретных подзадач. Агент сортировки считывает очередь задач и определяет, что стоит исправить. Он запускает агента-обработчика для составления черновика исправления и агента-рецензента для проверки черновика на соответствие существующим тестам и проектным соглашениям. Координация происходит автоматически.

Соединители. Когда агент завершит работу, цикл обработает последующие шаги. Откройте запрос на слияние. Обновите заявку. Опубликуйте сообщение в Slack. Агенту не нужно знать о ваших инструментах управления проектами. Циклу это необходимо.

Файлы состояния. Цикл постоянно хранит запись о том, что он пытался сделать, что прошло успешно, что не удалось, и что еще не завершено. Когда он запустится снова завтра, он не начнет с нуля. Он продолжит с того места, где остановился.

Соедините все это вместе, и картина станет ясна. Вы создаете не улучшенную систему обработки запросов. Вы создаете машину, которая работает бесконечно, обрабатывает определенную категорию задач и перенаправляет запрос вам только тогда, когда что-то действительно выходит за рамки ее возможностей.

Османи привёл конкретный пример: цикл, который каждое утро считывает вчерашние ошибки CI, открытые проблемы и последние коммиты, записывает результаты в файл Markdown, создаёт изолированное рабочее дерево для каждой проблемы, требующей решения, отправляет агента-обработчика для составления черновика исправления и агента-рецензента для его проверки, открывает запрос на слияние, обновляет тикет и помещает всё, с чем не может справиться, в папку для сортировки запросов для человека. Это полноценный инженерный рабочий процесс. Разработчик разработал его один раз и не инициировал ни один из отдельных шагов.

Почему Штейнбергер думает об этом именно так?

Профессиональное образование Штейнбергера объясняет его особую увлеченность петлевой архитектурой.

Он создал PSPDFKit, фреймворк для работы с PDF-файлами, который в итоге заработал на более чем миллиарде устройств и использовался внутри Apple, в сельской местности Австрии без внешних инвестиций. Он продал его в 2021 году. После этого он некоторое время испытывал эмоциональное выгорание, а затем вернулся к разработке программного обеспечения с совершенно иным подходом.

В интервью изданию The Pragmatic Engineer он описал произошедшие изменения: «Код хорошо работает с ИИ, потому что его можно проверить. Вы можете скомпилировать его, запустить, протестировать. Это замкнутый цикл. Нужно замкнуть этот цикл».

Фраза «замкнуть цикл» — это философская основа всего, что он создал впоследствии. Проверяемость — вот что делает возможной автоматизированную итерацию. Если вы можете запустить код и проверить, работает ли он, вы можете позволить агенту запускать и проверять снова, и снова запускать и проверять, без необходимости в человеке для оценки каждого промежуточного шага. Цикл замыкается, потому что на каждой итерации доступна истинная информация.

OpenClaw, который он создал всего за час в качестве личного эксперимента и который стал одним из самых быстрорастущих репозиториев с открытым исходным кодом в истории, был построен именно на этом принципе. Архитектура заслуживает понимания, потому что это чистая реализация того, что получается при полном следовании принципу циклического мышления.

Чему на самом деле научила отрасль компания OpenClaw.

Большинство людей, услышавших об OpenClaw в начале 2026 года, воспринимали его как «Клода с руками» — броская формулировка, которая почти полностью неверна. По своей структуре OpenClaw представляет собой конкретную эталонную реализацию всех важных архитектурных шаблонов в серьезном агентном ИИ. Причина его быстрого распространения заключается в том, что он предоставил тысячам разработчиков работающий, читаемый код, который показал им, как на практике выглядит правильно спроектированный цикл.

Архитектура состоит из семи компонентов. В центре находится цикл взаимодействия агентов, но этот цикл, как сам Штейнбергер отметил в своем выступлении перед Лексом Фридманом, не является самой сложной частью. Самые сложные части — это все, что его окружает.

Шлюз. Интерфейс между агентом и внешним миром. HTTP, WebSocket, платформы обмена сообщениями — любое внешнее взаимодействие проходит через него. Это также основная поверхность безопасности. Уязвимость в перехвате WebSocket, обнаруженная в январе 2026 года, позволяла любому веб-сайту украсть токен аутентификации и получить возможность удаленного выполнения кода на компьютере пользователя через одну вредоносную ссылку. Она была исправлена, но показала, насколько обширна поверхность атаки постоянно работающего агента.

Система каналов. OpenClaw поддерживает более 50 каналов обмена сообщениями и обслуживания «из коробки»: WhatsApp, Slack, Telegram, Discord, системы умного дома. Агенту не нужно знать, из какого канала пришло сообщение. Система каналов стандартизирует это.

Навыки. Навыки — это файлы SKILL.md, представляющие собой простые документы Markdown, которые указывают агенту, как обрабатывать определенную категорию задач. Они устанавливаются в ~/.openclaw/skills/. Одна из наиболее примечательных особенностей заключается в том, что агент может писать собственные навыки по вашему запросу. К марту 2026 года количество навыков на торговой площадке сообщества ClawHub превысило 5700. Также было обнаружено 341 вредоносный навык, что составляет 12% уровня заражения, — это типичная история безопасности для быстрорастущих открытых экосистем.

Система памяти. Именно здесь OpenClaw отошла от более простых конструкций агентов и сделала нечто действительно интересное. Вместо монолитного контекстного окна используется многоуровневая система памяти. Ежедневная заметка служит временным блокнотом для текущей сессии. Важные факты переносятся в MEMORY.md либо агентом через вызов инструмента, либо непосредственно пользователем. Когда контекстное окно приближается к пределу емкости, система запускает процесс сжатия: перед удалением она предлагает модели извлечь ключевые факты и записать их в MEMORY.md, а затем заменяет самую старую историю разговора кратким резюме. Модель никогда не теряет важный контекст. Она переносит его в постоянное хранилище, прежде чем отбросить исходную историю.

Среда выполнения агента. Цикл ReAct: наблюдение, рассуждение, действие, повторное наблюдение. Агент вызывает инструменты, получает результаты, включает эти результаты в свой следующий шаг рассуждения, вызывает другие инструменты и повторяет цикл до тех пор, пока задача не будет выполнена или пока не определит, что дальнейшая работа невозможна.

Именно это имел в виду Штейнбергер, когда сказал Лексу Фридману, что это похоже на «Factorio, умноженное на бесконечность». Он создавал вложенные циклы внутри циклов: цикл работы агента выполняется внутри цикла работы с памятью, цикл выполнения навыков — внутри цикла обработки каналов. Каждый уровень абстракции — это отдельная задача проектирования.

Принцип «замыкания цикла» на практике

Практическое значение аргумента Штейнбергера различается в зависимости от вашей точки зрения.

Если вы разработчик-одиночка, это значит, что сейчас стоит развивать не столько умение подсказывать, сколько умение создавать компонуемые циклы. Как структурировать задачу так, чтобы агент мог работать над ней автономно, проверять собственные результаты и понимать, когда нужно обратиться за помощью, а когда — продолжить работу?

Необходимым условием является тестируемость. Штейнбергер сделал каждую функцию тестируемой специально для того, чтобы агенты могли проверять свою собственную работу. Он создал средства запуска тестов через командную строку и синтетические сценарии взаимодействия пользователей, прежде чем беспокоиться об агенте. Без проверяемых контрольных точек нет цикла, есть только агент, работающий бесконечно, без возможности узнать, выполняет ли он полезную работу.

Если вы работаете в большой инженерной команде, последствия иные и, возможно, более разрушительные. Ограничение заключается уже не в написании кода. Это изменилось уже давно. Ограничение состоит в знании того, что нужно построить, и в знании того, правильно ли это было построено. Циклическая разработка не устраняет это ограничение, а усиливает его. Хорошо спроектированный цикл может превратить суждение одного инженера в производительность десятка агентов. Плохо спроектированный цикл или цикл, разработанный человеком, который не досконально понимает кодовую базу и предметную область, умножает ошибки с той же скоростью.

Комментарий Штайнбергера в интервью The Wantrepreneur обладает остротой, которой нет в его твите: «Вы не можете научить что-то делать то, чего сами не умеете». Это не аргумент в пользу подсказок вместо циклов. Это аргумент в пользу того, что люди, разрабатывающие эти циклы, должны действительно понимать, что такое качественная работа в их области, на таком уровне глубины, который невозможно подделать.

Вероятно, именно поэтому 61% негативных откликов на его твит были скорее отрицательными, чем выражающими несогласие. Скрытое утверждение о том, что следует прекратить подсказки и начать проектировать системы, звучит так, будто оно занижает планку знаний, необходимых разработчику. На самом деле же утверждение прямо противоположное.

Что это значит для способа выполнения работы?

Переход от подсказок к циклическому проектированию не является уникальным явлением для разработки программного обеспечения. Это закономерность, которая, как правило, проявляется в любой области, где ИИ становится достаточно способным автономно справляться с определенной категорией задач.

Человек не исключается из процесса. Человек поднимается по иерархической лестнице. Вместо выполнения каждого шага человек определяет категории работы, разрабатывает критерии успеха, создает системы проверки, которые позволяют циклу узнать о его успешном завершении, и обрабатывает действительно новые ситуации, выходящие за рамки цикла.

Это действительно кардинальное изменение в повседневной работе. Разработчик, который раньше тратил четыре часа на написание функционального кода, теперь тратит четыре часа на разработку цикла, который одновременно пишет функциональный код, запускает тесты, проверяет наличие регрессий и создает запросы на слияние. Результат другой. Возможности другие. Требуемые навыки другие.

Один из комментариев в ветке обсуждения под твитом Штейнбергера очень точно подметил: «Естественным следующим шагом будет создание конструктора циклов, который будет подсказывать вашим агентам. Интересно, когда мои агенты перестанут со мной работать, потому что я — балласт».

Это сказано в шутку. Но это также указывает на нечто реальное.

Цикл, который вы разрабатываете сегодня, в какой-то момент будет заменен метациклом, который будет проектировать циклы. Вопрос о том, где человек останется незаменимым, — это тот же вопрос, который всегда был в центре автоматизации: не в том, может ли машина выполнить задачу, а в том, обладает ли машина способностью оценивать, какую задачу стоит выполнить, почему это важно и когда результат действительно будет хорошим.

Это решение принимает не сам пользователь. Его принимает тот, кто разработал эту систему.

Контраргумент, заслуживающий внимания

Твит Штейнбергера вызвал обоснованную критику, на которую следовало ответить напрямую.

Наиболее существенное возражение заключается в том, что проектирование циклов требует предсказуемости использования токенов, а расход токенов в агентных циклах может сильно варьироваться в зависимости от того, как агент рассуждает над задачей. Агенты, работающие в течение ночи и сталкивающиеся с неожиданными ситуациями, могут потреблять на порядки больше токенов, чем хорошо структурированная сессия подсказок. Для команд или отдельных лиц, ограниченных в количестве токенов — а это большинство людей — проектирование и запуск цикла не является очевидно более дешевым вариантом, чем продуманное использование подсказок.

Это реальное практическое возражение, а не философское. Османи прямо указал на него в своей статье: нужно быть осторожным с затратами на токены, а модели использования могут сильно различаться. Экономическая целесообразность проектирования циклов высока, когда у вас много токенов или когда ценность работы достаточно высока, чтобы оправдать накладные расходы. Она невыгодна, когда вы работаете в условиях фиксированного бюджета и нуждаетесь в предсказуемых затратах.

Второе возражение заключается в том, что пять описанных Штейнбергером строительных блоков требуют, чтобы среда выполнения агента действительно надежно их поддерживала. У Клода Кода и Codex есть необходимые компоненты. Но «наличие компонентов» и «надежная работа в длительном цикле на вашей реальной кодовой базе с вашими реальными инструментами и вашими реальными крайними случаями» — это разные утверждения. Многие специалисты все еще находятся на этапе, когда хорошо структурированная сессия подсказок более надежна, чем автоматизированный цикл, потому что она может выявлять ошибки в режиме реального времени, а не обнаруживать, что цикл вышел из строя за ночь.

Оба возражения касаются того, на каком этапе кривой зрелости вы находитесь, а не того, правильное ли направление выбрано. Штейнбергер описывает конечный результат работы системы. Он также является разработчиком, который создал с нуля инфраструктуру для агентов и досконально понимает причины её сбоев. Большинство разработчиков находятся на более ранних этапах этой кривой обучения.

Что стоит забрать с собой

Вот упрощённая версия.

В 2024 году и большую часть 2025 года ключевым навыком в работе с ИИ было оперативное проектирование: умение давать ИИ правильные инструкции для получения полезных результатов. Этот навык никуда не денется, но он становится менее важным для того, как на самом деле осуществляется высокоэффективная работа с ИИ.

Ключевым навыком становится проектирование циклов: как построить систему, которая находит задачу, предоставляет агенту необходимый контекст, проверяет результат и сохраняет состояние между сессиями. Как замкнуть цикл, чтобы проверяемая итерация могла происходить без постоянного вмешательства человека.

Для этого требуются более глубокие знания, а не поверхностные. Вам необходимо достаточно хорошо понимать предметную область, чтобы определить критерии успеха, которые может проверять цикл. Вам необходимо достаточно хорошо знать кодовую базу, чтобы структурировать тесты, которые предоставляют агенту истинные значения. Вам необходимо достаточно хорошо понимать режимы отказов автономных агентов, чтобы разработать правильные пути эскалации.

Разработчики, которые первыми это поймут, получат преимущество, которое трудно воспроизвести одними лишь подсказками.

Именно с таким подходом Штейнбергер создал один из самых быстрорастущих проектов с открытым исходным кодом в истории. В интервью Лексу Фридману он также назвал его «своей маленькой игровой площадкой» — проектом, который доставлял ему больше удовольствия, чем почти всё остальное в его карьере.

Такое сочетание влияния и искреннего интереса к проблеме, вероятно, является наилучшим из имеющихся сигналов о том, что выбранное направление верное.

Этот цикл — не просто тенденция. Это то, как будет выглядеть серьезная работа с использованием ИИ, когда инструменты будут достаточно хороши, чтобы ее поддерживать.

Спроектируйте цикл.