Ускорьте внедрение Кодекса Клода с помощью непрерывного обучения.
Делиться
Код Клода — невероятно эффективный агент программирования, который можно использовать для выполнения большинства когнитивных задач на компьютере. Однако непрерывное обучение по-прежнему остается задачей, которой мы с трудом учим агентов. Более того, непрерывное обучение — это задача, в которой люди невероятно хороши.
Просто поразмышляйте над любой задачей, которую вы выполняете уже долгое время. Практически во всех случаях со временем вы будете лучше справляться с этой задачей, учась на своих ошибках и совершенствуясь. Это не только вопрос запоминания того, что работает, а что нет. Это также вопрос развития интуиции в отношении задач, которую вы просто приобретаете, выполняя их со временем.
В этой статье я расскажу, как можно добиться аналогичного непрерывного обучения для ваших агентов-программистов. Непрерывное обучение агентов по-прежнему остается нерешенной проблемой, но я расскажу, как я помогаю своим агентам учиться на своих ошибках и совершенствоваться со временем. Кроме того, информация, которую я рассмотрю в этой статье, позволит вашим агентам значительно улучшить свои навыки в тех задачах, которые вы от них ожидаете, будь то подготовка презентаций для акционеров, исправление ошибок в вашем коде или что-то совершенно другое.
Почему нам необходимо непрерывное обучение?
Нам необходимо постоянное обучение, потому что мы всегда хотим лучше справляться с выполняемыми задачами. Представьте, что вы много лет работаете программистом и всё ещё совершаете элементарные ошибки, например, забываете ставить двоеточия после оператора if в Python.
Очевидно, что постоянное совершение подобных ошибок крайне неэффективно, поэтому мы хотим их избегать. Мы хотим лучше справляться с задачами, становиться более эффективными в их выполнении и, таким образом, иметь возможность решать более сложные проблемы.
Длительная работа над задачей поможет вам развить интуицию в её решении и позволит лучше понимать более сложные задачи в этой области.
Представьте себе начинающего программиста как нового сотрудника. Очевидно, что поначалу он будет совершать ошибки, поскольку не понимает ваших предпочтений или кодовой базы. Однако, когда вы объясняете новому сотруднику, как что-то сделать, вы ожидаете, что он освоит это со временем.
Если вы не предпримете конкретных мер для того, чтобы ваши программисты запоминали подобные вещи, они, скорее всего, их забудут, поэтому вам необходимо принимать активные меры для обеспечения непрерывного обучения ваших программистов.
Как обеспечить непрерывное обучение
В этом разделе я расскажу о некоторых конкретных методах, которые я использую ежедневно для непрерывного обучения. Эти методы основаны на общении с коллегами, работающими в той же области, вдохновении от репозитория OpenClaw и моих собственных экспериментах.
Команда обобщения знаний
Самый простой и эффективный способ научить Claude Code учиться на своих ошибках — это команда общего знания. Это простая команда (также известная как навык, просто файл Markdown, содержащий подсказку), позволяющая учиться на основе заданного потока информации.
Обычно я запускаю эту команду всякий раз, когда завершаю диалог с Клодом Кодом, выполняя одну задачу. Например, если у меня есть:
- Завершено внедрение новой функции.
- Исправлена ошибка
- Подготовил презентацию
- Проверка производственных журналов завершена.
Я просто запускаю свою команду следующим образом:
/generalize-knowledge
Это работает, потому что я сохранил команду обобщенных знаний, которая представляет собой приглашение, похожее на приведенное ниже:
Generalize all the knowledge from this thread into claude.md and agents.md. Write down any information that would be useful for a future agent working in this repository. Also note down any issues you encountered, and how you resolved them. Write the tasks you performed to the done-tasks.md file with time and date, and a summary of the tasks.
По сути, я говорю модели учиться на своих ошибках и записывать все, что может быть полезно для будущих взаимодействий.
Я также прошу агента записывать выполненную им задачу, чтобы у меня был один файл, содержащий все, что я сделал. Это не является строго необходимым, но мне удобно иметь такое сводное описание.
Также следует отметить, что это предполагает, что вы всегда выполняете одну задачу в заданном потоке кода Клода, что, безусловно, следует делать для достижения наилучших результатов. Это также относится ко всем другим доступным агентам программирования, просто потому что выполнение одной задачи в одном потоке помогает агентам оставаться сосредоточенными и избегать лишней информации, заполняющей их контекст.
Ежедневные размышления
В продолжение предыдущего раздела, вы также можете настроить ежедневную рефлексию. Например, если у вас работает несколько агентов в течение дня, вы можете настроить cron-задание (команду, которая запускается через определенный интервал времени), чтобы просмотреть все логи вашего агента-программиста за последние 24 часа и записать любую полезную информацию. Это основано на команде общего доступа к знаниям, но работает на более высоком уровне, поскольку агент, просматривающий ваши логи, будет иметь доступ не только к одному потоку, но и ко всему, над чем вы работаете.
Это может быть полезно, поскольку разные точки зрения могут привести к различным результатам в виде записей, что поможет вам и вашим агентам по программированию повысить эффективность работы.
Навыки
Еще одно понятие, которое я хотел бы затронуть, — это навыки, которые действительно способствуют непрерывному обучению и помогают Claude Code учиться на своих ошибках. В предыдущих разделах я в основном рассматривал запись в общие файлы CLAUDE.MD, AGENTS.MD, WARP.MD. Навыки же — это более конкретные файлы, которые указывают агенту, как выполнять определенные задачи.
Это чем-то похоже на команду обобщения знаний, но немного отличается, поскольку в общих файлах указываются общие ошибки и решения, в то время как навыки охватывают гораздо более конкретные темы. Вот несколько примеров навыков:
- Как должен действовать агент при сортировке вашей электронной почты
- Как агент должен действовать при сортировке вашего календаря
- Как использовать конкретный API или пакет. Это особенно важно для небольших и малоизвестных API и пакетов, которые недостаточно хорошо рассмотрены в рамках предварительного обучения LLM.
- Как подойти к решению проблем с ошибками в конкретном репозитории
Как видите, навыки более специфичны. Поэтому, всякий раз, когда вы начинаете работать с новым пакетом, API или новой задачей в целом, я настоятельно рекомендую вам создать для этого навык. Навык должен охватывать все, что полезно знать при работе с API или над задачей. Включая:
- Как интерпретировать предложенные задания в рамках данной темы?
- Как подойти к решению задач
- Предыдущие ошибки и способы их исправления
Чем больше информации вы сохраните, тем лучше. Ваш агент по программированию, как правило, будет динамически загружать этот навык, если вы начнете работать над связанной задачей.
Например, если вы попросите своего агента отсортировать вашу почту, он динамически загрузит навык сортировки писем, чтобы знать, как действовать. Это поможет вашему агенту избежать ошибок, которые он допускал ранее при сортировке вашей почты.
Заключение
В этой статье я рассказал, как научить Клода Кода и других агентов-программистов учиться на своих ошибках. Я рассмотрел три основных метода, включая создание команды обобщения знаний, ежедневное чтение журналов агентов и активное использование навыков при выполнении задач. Я считаю, что учиться на своих ошибках невероятно важно как для людей, так и для машин. Если вы сможете эффективно научить своих агентов-программистов учиться на своих ошибках, вы станете гораздо эффективнее применять эти навыки и, таким образом, получите значительное преимущество по сравнению с другими агентами, которые не учатся на своих ошибках.
👉 Моя бесплатная электронная книга и вебинар:
🚀 Десять раз повысьте свой инженерный уровень с помощью магистратуры (бесплатный 3-дневный курс по электронной почте)
📚 Получите мою бесплатную электронную книгу «Модели визуального языка».
💻 Мой вебинар по языковым моделям зрения
👉 Найдите меня в социальных сетях:
💌 Substack
🐦 X / Twitter
Эйвинд Кьосбаккен Посмотреть все Эйвинд Кьосбаккен
Источник: towardsdatascience.com
