«Петля ИИ»: бесконечные агенты, которые никогда не выключаются — это ли будущее программирования?

Идея бесконечных программных агентов, кажется, выходит за пределы типичной «автоматизации». Два года назад человек писал код руками. Год назад ИИ-агенты стали писать код по одной команде. Теперь, по словам создателя Claude Code, наступает третий этап: один агент отдает инструкции другому, который тоже пишет код, и этот процесс никогда не останавливается. Черни назвал этот шаг столь же фундаментальным, как переход от ручного написания кода к использованию агентов.

На практике это выглядит так. Один агент постоянно ищет способы улучшить архитектуру кода. Второй, параллельно, выискивает дублирующиеся функции и объединяет их. Оба создают пул-реквесты, как обычные разработчики. Но поскольку код меняется непрерывно, они не получают команды «стоп». Они висят в фоне, как вечно голодные скрипты, которые анализируют, рефакторят и оптимизируют код без выходных. Фактически, репозиторий перестает быть статичным — он находится в состоянии перманентной доработки искусственным интеллектом.

На первый взгляд, это напоминает старый добрый рекурсивный алгоритм из учебников — функция, вызывающая саму себя. Однако есть ключевое отличие: в классической рекурсии есть четкое условие выхода (например, «когда массив отсортирован»). Здесь же работает недетерминированная логика. Решение о том, когда остановиться, принимает суб-агент, а не жесткая команда. Это похоже на бесконечный спринт, где бегун сам решает, устал ли он. Распространенный трюк, названный «петлей Ральфа» (в честь персонажа Симпсонов), сводится к тому, что модель спрашивает саму себя: «Ты закончила работу?» — и если нет, продолжает.

Такой подход органично вписывается в концепцию «тестового вычислительного времени». Недавно исследователь OpenAI Ноам Браун отметил: если бросить на любую задачу достаточно вычислительных мощностей, она будет решена. Для задач улучшения кодовой базы это означает, что модель может бесконечно делать мелкие улучшения, пока не упрется в потолок возможностей или в бюджет. Сама идея звучит гениально, но у нее есть оборотная сторона, о которой умалчивают маркетологи.

ИИ-циклы — это чудовищно дорого. Если обычный чат-бот тратит токены на один ответ, то «петля» сжигает их без остановки. Для Anthropic, которая продает токены, это мечта. Для обычной компании — потенциальная финансовая яма, где счета за облачные вычисления могут расти экспоненциально. Кроме того, возникает классическая проблема «дрифта»: чем дольше работает модель без внешнего контроля, тем выше вероятность, что она уйдет в дебри, начнет «галлюцинировать» или перепишет рабочий код в нечто неработоспособное. В итоге вы получите не просто идеальный код, а гигантский счет и сломанный продакшн.

Однако именно в этой модели кроется будущее, где ИИ берет на себя рутину поддержки. Если научиться контролировать расходы и дрейф модели, то бесконечные агенты могут превратиться в незаменимых «ночных сторожей» для кода, которые неустанно следят за его здоровьем. Это не просто хайп, а естественная эволюция от «агентов-исполнителей» к «агентам-надзирателям». Пока это выглядит как авантюра для гигантов вроде с их бездонными бюджетами, но через год-два рядовые разработчики, вероятно, смогут запускать свои крошечные «петли» для автоматического рефакторинга pet-проектов.