Не просто grep: почему контекстно-богатое ИИ-программирование выигрывает
Anthropic
OpenAI
Google/DeepMind
OpenCode
Cursor
Augment Code
Разработчики ИИ-программирования всё чаще совершенствуют не сами модели, а программное обеспечение вокруг них. Глава продукта Claude Code от Anthropic рассказала, что компания делает ставку на «лёгкую обвязку» (lean harness), не перегружая её жёсткими правилами — модели развиваются настолько быстро, что планировать далеко вперёд не имеет смысла.
В интервью глава продукта Claude Code от Anthropic Кэт Ву объяснила стратегию компании в разработке ИИ-инструментов: при столь стремительном прогрессе языковых моделей (включая модели прямых конкурентов) не имеет смысла создавать излишне предопределённые или ограничивающие функции. Вместо этого команда придерживается концепции «лёгкой обвязки» (lean harness) — программа, определяющая, что модель видит, какие действия может выполнять и как взаимодействует с кодом. В отличие от некоторых других инструментов (OpenAI Codex, Google Antigravity, OpenCode, Cursor, Augment Code), Claude Code по умолчанию избегает структурирования контекста кодовой базы заранее: по оценкам, такой подход не даёт измеримого прироста, поэтому разработчикам предлагается минимальный набор фич с возможностью добавлять свои.
Источник: Ars Technica —
оригинал