timur.ai

Я выяснил, что в gamedev только 30% разрабов используют Copilot. А "крутую" фичу используют и того меньше.

Многие жалуются на качество кода и поэтому не используют этот инструмент. Но Copilot может быть полезен не только в качестве автозавершения куска кода, но и гораздо шире. Поэтому ценность он может составлять как джунам, так и мидлам и синьорам.

"Крутая" фича – это агент/оператор workspace внутри Copilot Chat. Ну и сам Copilot Chat в том числе. На удивление, его реально мало кто использует из тех, кто уже взял Copilot как регулярный инструмент.

Как пользоваться? (см. картинку к посту)

1) установить расширение Copilot Chat

2) найти чат в левой панельке VS Code

3) активировать агента workspace через собачку для навигации по всему проекту

Агент workspace это как бы за рамками простого автозавершения. Это по сути ChatGPT, встроенный в проект, то есть он видит весь контекст проекта и может в нем ориентироваться в роли полноценного ментора и помощника для навигации по всей архитетуре проекта, а не только в рамках активного скрипта. Кстати, там под капотом как раз gpt-4.

Очень классная вещь. Еще не идеальная, но идеал будет, когда выйдет обновленный Copilot Workspace. Там агент workspace берется за основу и это главное преимущество инструмента.

Причем это будет доступно на обычном человеческом языке, и сам процесс будет понятным и эффективным.

Да почему "будет"? Это уже есть! Ну почти 😉

GitHub выпустил деморолик Copilot Workspace. И лично меня это очень впечатлило. Пока там можно добавиться в waitlist, инструмент еще не доступен.

Ранее я уже достаточно плотно освоил создание скриптов для игр через ChatGPT и написал статейку про свою методологию для некодеров.

Ключевым неудобством является то, что ChatGPT не имеет доступа к проекту и контексту. Это приводит к тому, что любая итерация с кодом требует ручной подгрузки скриптов проекта и далее ручной выгрузки в проект. Это очень много ручной работы.

А Copilot Workspace сразу видит весь проект и сразу может модифицировать его. Это просто ракета! 🚀

Наконец-то добрался пощупать ручками фреймворк CrewAI, который предназначен для взаимодействия команды агентов для решения задач.

Моей целью было на личном опыте научиться пользоваться технологиями для создания AI-агентов под задачи.

В качестве юзкейса и архитектуры команды я просто взял пример из гита CrewAI. В рамках этого примера:

• два агента: один ресерчер, другой – писатель

• задачи: 1) сделать ресерч рынка на предмет последних достижений в ИИ, 2) сделать саммари

Агенты очень бодро повзаимодействовали и выдали результат (прилагаю скрин). Качество результата оценивать не стоит, так как это учебная итерация и не использовалось никаких tools для агентов, чтобы повлиять на качество, и процесс сам очень простой заложен.

Вот какие технические навыки необходимы, чтобы начать пользоваться этим:

• Python – базовые знания

• GitHub – базовые знания

• VS Code – базовые знания

У меня получилось, и у вас получится.

В качестве LLM использовался GPT-4.

Команда двух агентов под простые задачи оказалась достаточно прожорливая и запросы через API съели 18 центов с моего баланса OpenAI. Так просто не погоняешь туда-сюда, тратить деньги придется очень разумно.