Классный инсайт о долгосрочных ИИ-агентах от Cursor
Основная идея в том, что для эффективной работы сложных ИИ-агентов на длительных задачах решающим фактором является тщательное планирование.
Главная проблема современных мультиагентных систем - координация и коммуникация между агентами.
Решение - не заставлять агентов много общаться друг с другом, а заранее составить детальный план.
Как это работает? главный планировщик изучает кодовую базу и разбивает задачу на подзадачи. Затем запускаются субпланировщики по категориям задач - это позволяет параллелить работу и использовать рекурсивные циклы.
Субагенты выполняют свои подзадачи независимо, не зная общей картины, и не координируясь друг с другом. Это позволяет избежать дублирования работы.
Например, с помощью такого подхода Cursor создал полноценный веб-браузер с 0. ИИ- агент работал неделю, написал более 1 млн строк кода в 1000+ файлах. Лучше всего работала модель GPT-5.2.
Самое важное - не модель и не инфраструктура, а хорошо продуманный системный промпт, который помогает агенту сохранять фокус на протяжении долгого времени.
Эти выводы полностью совпадают с опытом работы с Claude Code на долгосрочных задачах, если вы уже работали с ним.
Основная идея в том, что для эффективной работы сложных ИИ-агентов на длительных задачах решающим фактором является тщательное планирование.
Главная проблема современных мультиагентных систем - координация и коммуникация между агентами.
Решение - не заставлять агентов много общаться друг с другом, а заранее составить детальный план.
Как это работает? главный планировщик изучает кодовую базу и разбивает задачу на подзадачи. Затем запускаются субпланировщики по категориям задач - это позволяет параллелить работу и использовать рекурсивные циклы.
Субагенты выполняют свои подзадачи независимо, не зная общей картины, и не координируясь друг с другом. Это позволяет избежать дублирования работы.
Например, с помощью такого подхода Cursor создал полноценный веб-браузер с 0. ИИ- агент работал неделю, написал более 1 млн строк кода в 1000+ файлах. Лучше всего работала модель GPT-5.2.
Самое важное - не модель и не инфраструктура, а хорошо продуманный системный промпт, который помогает агенту сохранять фокус на протяжении долгого времени.
Эти выводы полностью совпадают с опытом работы с Claude Code на долгосрочных задачах, если вы уже работали с ним.