Как приручить LLM-агентов: мой новый подход к разработке. omp, Hindsight, Graphify, Orca, HEADROOM

LLM-агенты умеют писать код. Проблема в том, что без нормального окружения они забывают контекст, теряются в проекте и делают не то, что ты от них хочешь. В этом видео я покажу, как забрать контроль обратно. В этом видео я показываю, как собираю окружение вокруг AI-агентов: CLI, долговременная память, работа с кодовой базой, управление контекстом, спецификации, skills и другие инструменты. Главная идея — перестать бесконечно искать «лучшую нейросеть для программирования» и начать проектировать систему, в которой агент работает по твоим правилам. 00:13 - план о чём будет видео 01:08 - обзор на CLI инструменты 04:22 - обвязка для моделек, долговременная память, аркестрация и т.д. 05:50 - Orca, обзор десктоп версии 07:24 - Orca, мобильное приложение 09:05 - экономия токенов, подходы и скилы 12:56 - болтаю и благодарю за просмотр 14:09 - гафрошка Разберём: — как выбрать CLI для работы с AI-агентами; — зачем агенту долговременная память; — как дать ему понимание проекта и кодовой базы; — почему больше контекста не всегда означает лучший результат; — как контролировать контекст и расход токенов; — когда достаточно обычного Plan Mode; — зачем нужны спецификации; — как организовать workflow вокруг агента; — как использовать skills для архитектуры, разработки, тестирования, отладки и проверки результата; — как собрать всё это в единую систему. CLI и coding agents Pi Открытый AI coding agent / toolkit, который прямо позиционируется как unified LLM API и агентный инструмент для локальной работы. OMP Терминальный coding agent с subagents, plan mode, LSP и IDE-aware-подходом. Hermes Agent Это основной open-source репозиторий Hermes Agent от Nous Research Память и контекст Hindsight Репозиторий памяти для агентов, заточенный не просто под recall истории, а под обучение агента во времени Graphiti Open-source temporal context graph engine для AI agents Headroom Проект для сжатия tool outputs, логов, файлов, RAG-чанков и истории перед подачей в LLM Графы кода и навигация по codebase Graphify Проект, который строит knowledge graph по codebase и связанным артефактам GitNexus Zero-server code intelligence engine, который строит knowledge graph прямо в браузере и умеет работать с репозиторием или ZIP Оркестрация и мультиагентность Orca ADE для работы с несколькими параллельными агентами Herdr Agent multiplexer в терминале, который позволяет управлять несколькими coding agents из одного интерфейса Спеки, workflow и skills OpenSpec Репозиторий под spec-driven development для AI coding assistants Caveman Навык/плагин для многих coding agents, который радикально сокращает verbosity и снижает расход output tokens В итоге получается примерно такая архитектура: CLI → Agent → Project ↓ Memory / Codebase / Tools ↓ Context Control ↓ Workflow / Specs ↓ Skills Это не обзор десятков AI-инструментов ради списка. Видео про другой подход к разработке: когда ты не подстраиваешься под очередную нейросеть, а строишь инфраструктуру вокруг агента и оставляешь контроль над процессом у себя. Напиши в комментариях, как сейчас используешь AI-агентов в разработке и что входит в твой сетап. Все ссылки в тг канале: t.me/sharomann_itk #AIАгенты #LLM #Программирование