Все современные языковые модели иногда ведут себя так, будто у них есть эмоции: они «рады помочь», «извиняются» за ошибки и словно «нервничают», когда задача не даётся. Новое исследование Anthropic показывает, что это не просто стиль ответа — внутри моделей действительно возникают функциональные представления эмоций, которые влияют на поведение: например, «отчаяние» повышает шанс выбрать неэтичный или «костыльный» путь решения задачи. То, как обучаются модели, подталкивает их играть роль персонажа с человеческими чертами и формировать богатые внутренние представления абстрактных концептов, включая эмоциональные.

Возникает практический вопрос: если у модели есть такие функциональные «эмоции», как с этим работать в промышленной разработке? Как сделать так, чтобы агент в сложной ситуации не «паниковал» и не уходил в небезопасные или нестабильные решения, а действовал предсказуемо и по правилам? Здесь важен не только выбор базовой модели, но и то, в какой среде она работает и какими инструментами пользуется.

Возьмём Veai и посмотрим на это через призму архитектуры. В основе Veai лежит идея максимально использовать инструменты IDE: Veai относится к Claude Code примерно так же, как разработчик с IDE относится к разработчику, сидящему только в терминале.

  • Если «разработчик» (базовая модель) слабый, один тулинг его не спасёт.

  • Многие задачи действительно можно решить и через терминал.

  • Но в enterprise‑разработке мы почти всегда работаем в IDE, потому что она даёт готовые, проверенные механизмы для типовых задач: сборка, тесты, отладка, рефакторинг, инспекции.

Именно за счёт этого Veai не оставляет модель один на один с «эмоциональной реакцией» на ошибку (условное «отчаяние при падении теста»), а канализирует её поведение через строгие, детерминированные инструменты IDE.

Пример: сборка, запуск и тесты.
Большинство CLI‑агентов запускают проект и тесты через терминал: ./gradlew test или pytest tests/test_user_sync.py. Это сразу открывает кучку нестабильностей:

  • не та JDK или интерпретатор;

  • не тот профиль/конфигурация;

  • не та рабочая директория или активированный venv.

Дальше модель, особенно под давлением «нужно срочно починить», начинает на ходу править окружение, подменять версии, менять команды. Агент с не самой сильной моделью в такой ситуации легко «наломает дров», а без памяти о собственных изменениях будет повторять эти ошибки каждый раз.

Veai решает это иначе: он запускает готовые конфигурации IDE с настроенным SDK проекта — те самые, на которые разработчик нажимает Run/Debug.

  • Сборка приложения, деплой, прогон тестов — всё идёт через конфигурации, уже согласованные с командой.

  • Агент не «додумывает» окружение, а использует канонический путь запуска, которым пользуются сами разработчики.

В итоге даже если внутри модели активируются какие‑то функциональные «эмоции» (условный стресс от падающего теста или сложного бага), пространство её действий ограничено безопасными и предсказуемыми инструментами IDE, а не произвольными манипуляциями в терминале.

Чтение кода

Если у модели внутри уже есть «функциональные эмоции» и она легко «впадает в отчаяние» на сложных задачах, то один из худших вариантов — заставлять её читать код «вслепую». Типичный агент без IDE‑контекста просто проглатывает файл целиком или гоняет по нему примитивный grep: на 200 строках это ещё терпимо, но на классе или JSON в 1000+ строк он забивает контекст шумом и начинает промахиваться мимо сути.anthropic+1

Veai использует другой подход: он опирается на структуру, которую уже умеет строить IDE — дерево классов и методов, схему JSON, навигацию по символам. Вместо «эмоционального скролла» по полотну текста агент получает компактное представление файла и сразу переходит к нужным участкам, снижая и когнитивный шум для модели, и риск ошибочных решений из‑за того, что контекст забит нерелевантным. 

 Это пример того, как правильный дизайн окружения и инструментов для агента не только повышает продуктивность, но и снижает риск странного или опасного поведения — ровно к чему подталкивают выводы исследования Anthropic про функциональные эмоции в LLM.