Судить работают такие ограничения или нет я не могу.
Что касается открытых моделей, они и правда уступают большим конкурентам, тут я не могу сравнить их 1 к 1, сравниваю работу на пет проекте и нашей кодовой базе.
У нас qwen3.6-35B и qwen3.6-27B. Первый мне понравился больше и для таких маленьких и атомарных задач он подходит, но по опыту в таких моделях качественный промт очень важен, когда claude может прощать изъяны. Однако прям автоматизировать разработку фичей с такими моделями сложно. Сильно большой проект у нас.
Я в каждой итерации смотрел что получается на выходе и также проводил финальное ревью результата. Но так или иначе это должны были посмотреть и колеги, овнеры фичей чьи тесты были переписаны.
Так что ни один коллега не получил дозу чистейшего нейрослопа в ходе эксперимента)
Отвечая на первый вопрос: у нас не гитхаб и из-за ограничений безопасности copilot’а тоже нет. Пока нет возможности использовать «готовые» решения инвестируем в свои в рамках изучения сопособов использования агентов в наших процессах
Что касается второго. Рефакторинг этот кому-то надо будет сделать и если мы можем отдать его машине, то это значит что кому-то не нужно будет его делать. А в конце концов мы пришли к процессу который будет делать пару-тройку ПРов в день и после того как они будут смержены делать ещё пару - тройку. ПРы эти будут маленькие, в районе 100 файлов (если поймем что 100 файлов много, то будем делать меньше)
Если делать через MCP то мы нагружаем LLM задачей подумать над тем какой инструмент нужно вызвать для задачи определенной, а для создания задачи не нужен сложный алгоритм или генерация, проще сходить руками из скрипта не нагружая и не полагаясь лишний раз на модель.
Судить работают такие ограничения или нет я не могу.
Что касается открытых моделей, они и правда уступают большим конкурентам, тут я не могу сравнить их 1 к 1, сравниваю работу на пет проекте и нашей кодовой базе.
У нас qwen3.6-35B и qwen3.6-27B. Первый мне понравился больше и для таких маленьких и атомарных задач он подходит, но по опыту в таких моделях качественный промт очень важен, когда claude может прощать изъяны. Однако прям автоматизировать разработку фичей с такими моделями сложно. Сильно большой проект у нас.
Я в каждой итерации смотрел что получается на выходе и также проводил финальное ревью результата. Но так или иначе это должны были посмотреть и колеги, овнеры фичей чьи тесты были переписаны.
Так что ни один коллега не получил дозу чистейшего нейрослопа в ходе эксперимента)
Отвечая на первый вопрос: у нас не гитхаб и из-за ограничений безопасности copilot’а тоже нет. Пока нет возможности использовать «готовые» решения инвестируем в свои в рамках изучения сопособов использования агентов в наших процессах
Что касается второго. Рефакторинг этот кому-то надо будет сделать и если мы можем отдать его машине, то это значит что кому-то не нужно будет его делать. А в конце концов мы пришли к процессу который будет делать пару-тройку ПРов в день и после того как они будут смержены делать ещё пару - тройку. ПРы эти будут маленькие, в районе 100 файлов (если поймем что 100 файлов много, то будем делать меньше)
Ну вот! Теперь эта идея засела у меня в голове и придется выдумывать DSL для настройки workflow агента!
Если делать через MCP то мы нагружаем LLM задачей подумать над тем какой инструмент нужно вызвать для задачи определенной, а для создания задачи не нужен сложный алгоритм или генерация, проще сходить руками из скрипта не нагружая и не полагаясь лишний раз на модель.