Новият жизнен цикъл на софтуера: От „вайб кодинг“ към агентно инженерство

Според новия доклад на Google „The New SDLC With Vibe Coding“, съавтор на който е известният софтуерен инженер Ади Османи (Addy Osmani) [1], жизненият цикъл на разработка на софтуер (SDLC) претърпява радикална трансформация. Работата на разработчиците бързо се премества от писане на код към неговото оценяване и валидиране. Този преход бележи еволюцията от хаотичния вайб кодинг (Vibe Coding) към дисциплинираното агентно инженерство (Agentic Engineering).

Основната концепция в новата реалност е, че един изкуствен интелект (ИИ) агент се състои от модел и обвивка. Големият езиков модел е само двигателят (около 10% от системата), докато останалите 90% представляват агентната обвивка (Agentic Harness). Тя включва инструкциите, системните правила, инструментите, Model Context Protocol (MCP) сървърите, пясъчниците, оркестрацията и методите за наблюдение. Практиката показва, че оптимизацията на обвивката подобрява драстично резултатите – експерименти в бенчмарка Terminal Bench 2.0 и в рамката LangChain показват скок в производителността на агентите без промяна на базовия модел [1].

Изображение: Svetni.me / Авторско изображение

Контекстното инженерство е ключовият лост за контролиране на финансовите разходи. Статичният контекст (системни правила, глобална памет) се зарежда при всяко повикване и е скъп, докато динамичният контекст се зарежда при нужда чрез техники като RAG и прогресивно разкриване на умения [1].

Разликата между „вайб кодинг“ и истинско инженерство се определя от верификацията. Тя изисква както детерминистични тестове, така и оценки (evals) – както на крайния изход (output evaluation), така и на траекторията на разсъждения на агента (trajectory evaluation). Демонстрациите показват само, че дадено решение може да проработи веднъж, докато пълните eval пакети гарантират стабилност в реална среда [1].

Икономически погледнато, „вайб кодингът“ е евтин в началото, но впоследствие излиза между 3 и 10 пъти по-скъп на функционалност поради изразходване на токени, разходи за сигурност и дълг за поддръжка. Инструменти като Google Agents CLI улесняват автоматизираното превръщане на локални прототипи в готови за внедряване производствени агенти. Изследвания на организации като METR показват, че въпреки компресирането на фазата на имплементация, ролята на човека в архитектурата и верификацията остава решаваща за справяне с т.нар. „80% проблем“ в агентното кодиране [1].

Източници:
[1]: The New Software Lifecycle - O'Reilly Radar