Как обучить ИИ-агентов работать круглосуточно без потери прогресса / Хабр

Команда Anthropic представила детальное исследование о том, как обучить ИИ-агентов работать непрерывно, не теряя прогресс между сессиями. Проблема, с которой сталкиваются многие, заключается в том, что каждая новая сессия — это пустое полотно без памяти о предыдущем контексте. В рамках Claude Agent SDK инженеры разработали метод, позволяющий агентам действовать как единый непрерывный процесс.

Почему агенты «забывают» проекты

Современные модели функционируют в рамках ограниченных контекстных окон. Когда задача выходит за их пределы — например, разработка веб-приложения — агент теряет значительное количество информации. Хотя упрощение контекста помогает, оно все равно не устраняет проблемы полностью.

В экспериментах Claude проявлял два основных недостатка:

1. Пытался сделать все сразу, начав реализацию крупной функции, от чего заканчивая окно токенов, передавал управление следующей сессии в незавершенном состоянии.

2. Преждевременно объявлял завершение, увидев части готовых функций, и считал работу оконченной.

Двухкомпонентное решение

Anthropic разделила задачу на две роли, что значительно повысило надежность:

1. Инициализирующий агент.

Создает структуру проекта при первом запуске:

• init.sh;

• claude-progress.txt с логом работы;

• первоначальный git-коммит;

• файл со списком всех требований к проекту (чаще всего сотни функций), каждая из которых помечена как не реализованная.

{
    "category": "functional",
    "description": "New chat button creates a fresh conversation",
    "steps": [
      "Navigate to main interface",
      "Click the 'New Chat' button",
      "Verify a new conversation is created",
      "Check that chat area shows welcome state",
      "Verify conversation appears in sidebar"
    ],
    "passes": false
  }

2. Кодирующий агент.

Каждая последующая сессия:

• выбирает одну функцию;

• вносит инкрементальные изменения;

• поддерживает репозиторий в чистом, рабочем состоянии;

• создает git-коммит и обновляет claude-progress.txt.

Такой рабочий процесс позволяет следующему агенту «прийти на смену» и сразу понимать, что сделано, что сломано и что делать дальше.

Особое внимание уделили файлу с функциями в формате JSON. Агенту строго запрещено изменять или удалять тесты: он может только переключать поле passes после успешного тестирования. Такой подход оказался гораздо надежнее использования Markdown — модель реже нарушает структуру.

Тестирование: как заставить ИИ проверять себя как человек

Без жесткого запроса на end-to-end тестирование агенты отмечали задачи как завершенные, даже если функция не работала полностью. Anthropic интегрировала автоматизацию браузера через Puppeteer MCP: Claude запускает локальный сервер, открывает страницу, нажимает кнопки, отправляет сообщения и получает ответы — как настоящий пользователь.

Это значительно снизило количество скрытых багов.

Как проходит типичная сессия

Запуск Кодирующего Агента начинается с рутины, знакомой каждом разработчику:

• pwd;

• чтение git-лога;

• чтение claude-progress.txt;

• просмотр списка функций;

• запуск init.sh и dev-сервера;

• основная проверка чата, загрузка диалогов, переключение темы и т. д.

Если базовые функции нарушены, агент сначала исправляет их, а не продолжает разработку поверх ошибок.

Чего удалось добиться

Anthropic выделила четыре типичных сбоя и продемонстрировала, как новый подход их решает:

Anthropic утверждает, что такой подход значительно повышает надёжность и помогает моделям работать над крупными задачами практически бесконечно — пока остаются функции, которые необходимо реализовать.

Русскоязычное сообщество про AI в разработке

Друзья! Эту новость подготовила команда ТГК «AI for Devs» — канала, где мы делимся информацией об AI-ассистентах, плагинах для IDE, практическими примерами и свежими новостями из мира ИИ. Подписывайтесь, чтобы быть в курсе новых событий!