В чате меня спрашивают, как подготовиться к переходу от Claude или ChatGPT на китайские модели, если из-за усиления режима санкций и введения контроля их соблюдения со стороны SEC после IPO вендоров

В чате меня спрашивают, как подготовиться к переходу от Claude или ChatGPT на китайские модели, если из-за усиления режима санкций и введения контроля их соблюдения со стороны SEC после IPO вендоров. На деле я сам использую примерно такой пайплайн, как описано ниже, и рекомендую к нему мигрировать всем, т.к. за счёт использования «ансамблей» тут суммарный IQ моделей будет выше Fable или Astra, но за счёт дешёвого DeepSeek как worker-модели и ещё бесплатного анализа постановки задачи и результата через обычные чаты вообще бесплатно, такой пайплайн крайне экономически выгодный. Он примерно идёт по таким шагам.

1. Сбор контекста DeepSeek V4.1 Flash для фронтиров с запросом на решение задачи. Агент у меня не пытается её решить, а собирает именно исходные данные и склеивает в один файл требования пользователя, выборки из БД, релевантные фрагменты старого кода и, конечно, описание графами предметной области и самого приложения для общего overview задачи для фронтиров. Если уже у меня есть идея реализации или нужно развить текущую идею, то я даю указание агенту это включить в документ.

2. Далее такой файл я обычно бросаю в Grok, Claude и Qwen. Отмечу, что очень тяжёлый фронтир и далеко не дешёвый Qwen 3.8 Max тут доступен вообще бесплатно, а у остальных большие скидки именно на работу в чате. Агенты фронтиров в чате пишут отчёт с анализом постановки задачи и в ответ создают документ с описанием хороших решений и что рекомендуется исправить. Пример такого заключения Qwen 3.8 Max на экране. По этому заключению я внёс дальше исправления в свой фреймворк.

3. Далее отчёты от фронтиров копируются в чат DeepSeek V4.1 Flash с заданием обобщить предложения фронтиров, найти где их консенсус, где расхождения, а также сформулировать мнение самого DeepSeek, где он согласен или нет. Шаг с ансамблем моделей ещё очень важный для защиты от галлюцинаций и предвзятости моделей, чем страдают и фронтиры. Тот же Алекс Карп без ансамбля LLM, как делает в своём Palantir много лет, считает использование агентов грубой ошибкой пайплайна, и я с ним согласен.

4. Далее с DeepSeek мы обсуждаем, что именно берём на реализацию, он составляет подробные планы и далее по моему фреймворку GRACE создаёт себе рой субагентов и улетает в автономную сессию примерно на 1 час в среднем. В этот момент я вам и пишу посты в канале ?

5. DeepSeek у меня обязательно всё засыпает unit-тестами и делает агентские E2E-тесты. Когда я критикую TDD, это не значит, что я тестами не пользуюсь, я просто не считаю зелёные тесты серьёзным критерием качества. Это необходимо, но недостаточно. Агенты у меня больше смотрят в лог и «доказательства корректности». Когда у них аудит логов/доказательств проходит, они возвращаются из астрала.

6. Я сразу снова прошу сделать большой файл для аудита результата с выборками кода, требований, срезами логов и т.п. Далее снова раскидывается по всем фронтирам с запросом на ревью и делается консолидация DeepSeek уже оценки качества похоже, как с постановкой задачи.

Описанный пайплайн на деле делает вас независимым от какого-то фронтира, т.к. всегда они применяются как «ансамбль» и выбывание одного «певца ансамбля» не сильно сказывается на пайплайне. Поэтому что там есть Claude, что нет — уже не так важно, если есть другие фронтиры. Коллективным разумом они его умнее всегда.

Телеграм: t.me/ainewsline

Источник: t.me

Комментарии: