AI agentek tanulása a valós fejlesztői munkából

A feledékeny AI segédek problémája

Ha már egy éve dolgozol Claude-dal, Cursorral vagy hasonló AI-alapú fejlesztői eszközökkel, akkor biztosan észrevetted: a munkavégzés teljesen megváltozott. Egyre több fejlesztő használ párhuzamos agent sessionöket, debuggolás közben ugrál adatbázisok és pull requestek között, és folyamatosan finomítja az AI által generált kódot.

Ez a folyamat hatékony, de kaotikus. A legnagyobb probléma pedig az, hogy minden megszerzett tudás egyszerűen eltűnik, amikor bezárod a terminált.

A csapat elfelejti, milyen trükkökkel oldották meg az adott problémát. A következő agent session ugyanott kezdi, ahol az előző elakadt. És ez ismétlődik, akárhányszor.

Mit veszít a csapat, ha nem tanulnak az agentek?

Tegyük fel, hogy egy fejlesztő hétfőn átdolgozza a hitelesítési logikát. Az agent hibásan kezeli a tokenek érvénytelenítését, és több órát veszteget el debuggolásra. Szerdán egy másik fejlesztő hasonló feladatot ad ugyanaznak az agentnek, és újra ugyanazt a hibát reprodukálja. Péntekig már több ember is érintett volt ebben.

Ez a minta ismétlődik minden csapatban. Minden egyes alkalommal új tokeneket és időt vesztegetnek ugyanarra a problémára,因为 az agenteknek nincs hozzáférésük a csapat korábbi tapasztalataihoz.

A megoldás: sessionekből származó tudás

A következő lépés az AI-assisted developmentben olyan eszközök használata, amelyek folyamatosan rögzítik a fejlesztői sessioneket és azok eredményeit. Ez a tudás nem csak dokumentációként létezik, hanem konkrétan visszakerül az agentek promptjaiba.

A folyamat egyszerűen működik:

• Rögzítés: A terminal sessioneket, debuggolásokat és PR-eket automatisch rögzítik
• Kivonatolás: Az eszköz átalakítja a nyers adatait az agentek számára használható formába
• Visszacsatolás: Ez a tudás betöltésre kerül a következő sessionekbe, így az agentek egyre smarterek
• Mérés: A csapat nyomon követheti, hogy valóban javul-e az agentek teljesítménye

Az előnyek a csapat számára

Ez a megközelítés több ponton is előnyöket nyújt:

• Az agentek nem ismételgetik ugyan azokat a hibákat
• Új fejlesztők vagy agentek azonnal hozzáférhetnek a csapat proven patternjeihez
• Kevesebb token használódik fel ugyanazon problémák megoldására
• A csapat kollektív tudása folyamatosan gyarapszik

Hogyan lehet beépíteni a munkafolyamatba

A legtöbb ilyen eszköz nem igényel új fejlesztői környezetet. Egyszerűen működik a vorhandenen terminál környezetben, tmuxban vagy CI/CD pipeline-okban. A tudás először Markdown runbookok formában jelen meg, amelyek később agent skills-re és evaluation suite-ra bővíthető.

A következő lépések

Ha ez a megapproach érdekel, akkor először próbáld ki egy kisebb projekten egy olyan eszközt, amely session transcriptiont és runbook generationt támogat. Aztán mérlegeld, hogy mennye time és token kölést számít a csapat jelenleg.