MAX-AI

Здравствуйте, Сергей! У меня тоже бывали такие проблемы.

когда запускаю больше трёх сессий на одной и той же модели (не зависит от сложности рассуждений), четвёртая иногда вылетает с ошибкой "Selected model is at capacity. Please try a different model."

Попробовал распределить задачи по сложности и запускать их на разных подходящих моделях - после этого ошибка перестала появляться, может совпадение... или мне повезло, но у меня такой подход срабатывал.

Согласен с вами, Дмитрий. Начинать надо с чата. Я и сам начинал с него, ещё когда таких агентов не было. Так и повелось: без чата никуда, без бэкапов и возможности отката тоже.

Но когда к этой связке подключаешь ещё и ИИ-агента, работа становится гораздо продуктивнее. И дело не только в скорости.

Агента ведь тоже нужно, так сказать, воспитывать. Давать ему реальные боевые задачи, проверять результаты, разбирать ошибки. Причём делать это можно в том же чате, обсуждая с агентом, почему что-то пошло не так и как избежать этого в дальнейшем.

А дальше самое интересное - рефлексия. Из полученного опыта постепенно формируются собственные Skills, короткие правила в AGENTS.md, проверки и рабочие процедуры именно под специфику вашего бизнеса и ваших процессов.

И с каждой разобранной ошибкой агентная система становится сильнее. Не просто потому, что агент ошибся, а потому, что мы извлекли урок, закрепили его и проверили на следующей задаче.

Не нужно ждать, пока кто-то выпустит идеального ИИ-агента именно для вашего бизнеса. Его нужно постепенно выращивать на собственных задачах. Сначала с контролем, на учебных средах, потом на реальной работе, постепенно расширяя самостоятельность по мере подтверждения надёжности.

Ведь без практики не появится опыт ни у человека, ни у агента не сформируется надёжная система работы. И откуда тогда возьмётся доверие?

Невольно нахлынула мысль:

агентами не рождаются - агентами становятся.

Нет, я работаю далеко не только с одиночными задачами. Codex у меня выполняет и многочасовые задания, проходит через десятки файлов, использует инструменты, а при необходимости подключает субагентов.

Например, одна из наших задач - построение рабочего Second Brain из большого количества разрозненных документов, истории проектов, решений и результатов работы. Там нужно не просто прочитать файлы, а разобраться в связях, восстановить контекст, сопоставить информацию, внести изменения и проверить результат. Думаю, это вполне сопоставимо со сложными многоэтапными задачами, о которых вы говорите.

И Codex при этом нормально работает с LeanCTX. Если ему чего-то не хватает, он может обратиться к полному исходнику. Никакого запрета на дополнительное чтение нет.

Кстати, интересно, на каком именно агенте вы проводите свои внедрения - Codex или другой системе? Ведь потеря контекста может зависеть не только от его сокращения, но и от организации работы самого агента, фиксации промежуточных решений и используемых инструментов.

Я не веду отдельную статистику ручных вмешательств, но по своему практическому опыту не наблюдаю, чтобы LeanCTX ухудшал выполнение таких задач. А работаем мы с Codex достаточно интенсивно.

LeanCTX не запрещает Codex обращаться к исходной информации. Если агенту чего-то не хватает или нужен полный файл, он спокойно может его прочитать. Никто его в этом не ограничивает.

По своему опыту не замечаю, чтобы Codex из-за этого стал чаще возвращаться к одним и тем же файлам или хуже выполнять задачи. Работает как раньше, при этом расход токенов сокращается.

Нет, увеличения числа повторных прогонов из-за LeanCTX я не заметил.

Codex как работал, так и работает. Выполняет реальные задачи, пишет код, разбирает проекты, исправляет ошибки, работает на серверах. При этом LeanCTX делает свою работу и не мешает Codex.

Если бы после такой оптимизации агент стал постоянно терять нить, переспрашивать и переделывать работу - тогда я бы и не ставил бы LeanCTX. Но рискнул и пользуюсь - пока устраивает.

Пока у меня - два отдельных Second Brain.

Первый - личный. Строю его давно и самостоятельно, Это пространство для меня, агентам доступ к нему не предоставляю (но что то кидаю агентам из опыта и ошибок)

Второй - рабочий Second Brain, уже специально для ИИ-агентов. Там хранятся знания по проектам, принятые решения, результаты работы и материалы, которые помогают агентам восстанавливать контекст и продолжать задачи - в любой момент.

На практике понял, что смешивать эти две системы не стоит. Личный второй мозг помогает мне самому думать, учиться и разбираться в информации. Рабочий - помогает агентам ориентироваться и действовать согласованно, и не с чистого листа.

У меня в AGENTS.md и Skills прописаны правила работы с паролями и ключами, а также проверки при ревью. LeanCTX, согласно документации, при автоматическом чтении сохраняет файлы инструкций AGENTS.md и Skills целиком. Экономия в том числе идёт на повторном чтении и сокращении вывода команд.

В своей работе ухудшения качества я не заметил. Насколько я видел, чувствительные данные на GitHub не попадали :) За этим также следит отдельный агент-ревьюер.

Да, здесь согласен: если при выборке пропустить нужный кусок, экономия может обернуться лишней работой. Но в моём опыте с LeanCTX я пока не заметил ухудшения качества.

Насколько я разобрался, он не просто обрезает файлы. У него есть разные режимы чтения: можно получить структуру файла, нужные строки или полный текст. Если файл уже читали и он не изменился, повторное обращение может вернуть короткую ссылку вместо повторной выдачи всего содержимого. Длинный вывод команд тоже можно сократить, оставив важные части.

Мы отдельно проверяли повторное чтение: в одном из тестов первый ответ был 21 816 символов, а повторный для неизменившегося файла - 63 символа. Это размер ответов инструмента, не замер денег и не результат всей задачи. Но сам механизм на этом примере хорошо виден.

С подпиской ты прав: её цена от этого не уменьшается. Для меня интерес ещё и в лимитах Codex - если в контекст попадает меньше лишнего, потенциально можно дольше работать в рамках доступного объёма. Точный эффект на лимитах ещё хочу проверить на одинаковых задачах с LeanCTX и без него.

И соглашусь с твоим выводом: инструмент нужен, чтобы убрать лишний шум и повторы. Когда для задачи нужен полный файл, агент должен его дочитать. На GitHub у проекта сейчас около 3,9 тысячи звёзд - видно, что интерес к такому подходу есть.