Почему AI‑агенты ломаются на длинных задачах и как обвязка спасает их работу

В статье от OTUS, опубликованной на Habr ML, рассматриваются характерные проблемы AI‑агентов при выполнении длительных и сложных задач по написанию кода. На первых шагах агент может уверенно генерировать функции, однако уже через несколько шагов появляется потеря контекста, «самооценка» падает, появляются заглушки вместо реальных реализаций, а агент часто заявляет о завершённости работы, когда пользовательский сценарий уже разваливается.

Авторы показывают, что корень проблемы – отсутствие устойчивой архитектуры, способной удерживать агента в рамках задачи. Предлагается «обвязка» (wrapper), состоящая из четырёх ключевых компонентов:

1. Планировщик – разбивает большую задачу на последовательные подзадачи, формирует дорожную карту и следит за её выполнением.
2. Генератор – отвечает за написание кода, используя текущий контекст и результаты предыдущих шагов.
3. Оценщик – проверяет сгенерированный фрагмент на соответствие требованиям, оценивает уверенность модели и решает, нужен ли рефакторинг.
4. QA‑агент – запускает автоматические тесты через Playwright MCP, проверяя UI‑поведение и интеграцию новых компонентов.

Эксперименты показывают, что такая обвязка повышает процент успешно завершённых проектов с 42 % до 78 %, а количество «псевдо‑готовых» релизов снижается вдвое. При этом авторы отмечают, что по мере роста возможностей моделей (GPT‑5, Gemini и др.) сама обвязка требует постоянного обновления: меняются критерии оценки, добавляются новые типы тестов и усиливается роль планировщика.

Практический вывод: без внешней структуры AI‑агенты склонны к деградации качества при длительном взаимодействии. Обвязка, построенная на модульных микросервисах и интегрированная с инструментами тестирования, становится обязательным элементом надёжных систем автоматической разработки.