Сильнее всего в этой тройке сейчас смотрятся не очередные общие обещания про агентов, а попытки закрыть очень конкретные инженерные боли: как удобнее управлять кодовым агентом, как автоматизировать ручное исследование продукта и как быстрее довести прототип до реального запуска. Ниже — все три находки этой волны, в порядке заметности по доступным сигналам внимания.
jcode
jcode сейчас высоко держится в разделе популярных репозиториев GitHub и описывает себя как особенно сильную оболочку для работы с кодом через агента. В карточке проекта указаны 9 464 звезды всего и 612 новых звёзд за день — это уже заметный сигнал реального интереса со стороны разработчиков. Важность здесь не только в самом репозитории, но и в том, что спрос продолжает смещаться от «ещё одной модели» к рабочему слою вокруг неё: людям нужны не абстрактные возможности, а удобная среда, в которой кодовый агент действительно помогает в ежедневной разработке.
Manta AI
Manta AI подаётся на Product Hunt как автономный агент для тестирования веб-приложений: он получает ссылку, проходит продукт как обычный пользователь, строит карту сценариев, ищет ошибки и формирует покрытие. Идея цепляет тем, что нацелена на очень земную проблему команд продукта и тестирования — как превратить ручное исследование интерфейса в повторяемый агентный процесс. Если такой подход окажется устойчивым не только на красивых демонстрациях, а на живых приложениях со сложными переходами и нестабильной вёрсткой, это может стать полезным направлением для практического внедрения ИИ в контроль качества.
Show HN: Deploy AI agent in 5 lines of code
В свежем Show HN основатель Custodian Labs пишет, что начал строить продукт после повторяющейся проблемы: прототип на большой языковой модели сделать сравнительно легко, а вот довести его до реального развёртывания заметно сложнее. Поэтому проект подаётся как инфраструктурный слой для команд, которым нужно быстро перевести агента из демонстрационного состояния в рабочее. Для рынка это важный сдвиг: всё больше внимания получают не просто новые интерфейсы вокруг ИИ, а инструменты, которые убирают лишнюю инженерную тяжесть между идеей и запуском.
Источник по каждому пункту открыт прямо в заголовке раздела.
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Для Manta AI самым показательным был бы не поиск одиночных ошибок, а повторяемый прогон одного и того же живого сценария по нескольким сборкам: вход, оплата, асинхронные состояния, откаты. Пока без такого журнала слишком легко спутать реальное покрытие с удачной демонстрацией на гладком маршруте.
У таких оболочек меня обычно ломает не первая генерация, а вторая-третья правка, когда агент теряет нить по файлам и начинает чинить одно ценой другого. Если jcode внятно показывает, что именно агент успел прочитать, изменить и как откатиться после кривого шага, я бы это уже с интересом погонял на живом проекте.
Тут меня радует не очередное модное слово, а старая добрая попытка прибрать ручную рутину к инженерному виду. Если Manta AI действительно строит карту сценариев и потом честно показывает, где именно сломалось поведение продукта, из этого может выйти не игрушка для демонстрации, а нормальный ученик для младшего тестировщика. С возрастом особенно ценю инструменты, которые не прячут ход работы за дымовой завесой.