Agentny AI w terenie - Społeczność Callstack i Qodo oraz Społeczność Codex w Bostonie

Description

Społeczność Codex oraz Społeczność Qodo i Callstack przyjeżdżają do Bostonu! Agenci AI wkraczają do produkcji, a trudność nie polega na tym, aby jeden działał — chodzi o to, aby działał niezawodnie, dzień po dniu, w rzeczywistych kodach bazowych. To spotkanie gromadzi twórców, założycieli i praktyków, którzy są już po etapie demonstracyjnym i głęboko w zawirowaniach integracji agentów w procesy CI/CD, platformy dla deweloperów i systemy wiedzy. Zorganizowaliśmy praktyków, którzy podzielą się tym, co faktycznie działa (a co nie) w ich własnych systemach agentowych, po czym nastąpi czas na omówienie tego z osobami siedzącymi obok. Oczekuj wystąpień z różnych punktów w procesie pracy z agentami: agenci chmurowi uruchamiający aplikacje mobilne na rzeczywistych urządzeniach, aby zweryfikować, co faktycznie zmieniło się w prośbie o pull request przed scaleniem; migracja dużej aplikacji React z Vite do Expo obsługiwana przez agenta kodującego ponownie pytanego w pętli, kawałek po kawałku; oraz przekształcanie standardów zespołowych w guardrails zrozumiałe dla maszyn, aby kod generowany przez AI szanował twoją architekturę, a nie cicho ją erodował. Weryfikacja, wykonanie i kontrola jakości - część, którą nikt nie demonstruje. Najważniejsze punkty agendy: Abstrakty wystąpień: Prompt do Portalu: Jak AI czyni obliczenia przestrzenne dostępnymi / Oliver Edis (Reactvision) AI otwiera nowe możliwości obliczeń przestrzennych, a połączenie ich z React Native czyni je bardziej dostępnymi niż kiedykolwiek. Pokażę dokładnie, jak to wygląda, prosząc agenta AI na żywo na scenie o zbudowanie działającej sceny AR za pośrednictwem serwera MCP ReactVision, bez Unity, bez nowego silnika, po prostu używając stosu React Native, który już znasz. Porozmawiamy o tym, do czego agent ma dostęp od kuchni, co działa, a co wciąż nie, oraz dlaczego budowanie dla przestrzeni fizycznej to inny rodzaj wyzwania niż budowanie dla ekranu. Migracja dużych kodów z inżynierią pętli / Rafael Mendiola (okthink) Przeniesienie dużej aplikacji React z Vite do Expo to nie jest prosta aktualizacja frameworka. Setki komponentów, stylów, API przeglądarki i testów muszą zostać przekształcone bez łamania produktu. Tradycyjnie stworzylibyśmy ogromny plan projektu, podzielilibyśmy go na dziesiątki zadań i spędzili tygodnie na koordynacji i przeglądzie pracy. Zamiast tego stworzyliśmy Pętlę Agenta: agent kodujący otrzymywał tę samą prośbę co 30 minut, znajdował jedną wykonalną część migracji, konwertował ją, uruchamiał testy, rejestrował swoje postępy i zostawiał kod gotowy do następnego uruchomienia. To wystąpienie wyjaśnia, jak ta pętla przekształciła przytłaczającą migrację w serię małych, powtarzalnych kroków. Dowiesz się, jak dawać agentom jasne zasady, pomagać im wybierać następne zadanie, weryfikować, czy ich zmiany są poprawne i zapobiegać powtarzaniu pracy lub zbaczaniu z celu. Zobaczysz również, gdzie podejście zawiodło, dlaczego silne testy i pętle zwrotne miały większe znaczenie niż szczegółowe planowanie zadań oraz jak twoja rola zmienia się z pisania każdej linii samodzielnie w budowanie systemu, w którym agenci mogą robić bezpieczne, stałe postępy. Jak wbudować jakość kodu w swój ADLC z Codex / Nnenna Ndukwe (Qodo) AI jest mnożnikiem siły, który przekształca słabe standardy w architektoniczny chaos. Ponieważ przegląd kodu staje się największą wąską gardeł, zespoły inżynieryjne muszą zniwelować różnicę między ludzką intuicją a wyjściem maszyny. W tym wykładzie zbadamy, jak ująć najlepsze praktyki deweloperskie w guardrails zrozumiałe dla maszyn. Przejdziemy przez to, jak wykorzystać inżynierię kontekstu na dużą skalę, aby zapewnić, że narzędzia kodu AI respektują projekt twojego systemu, zachowując długoterminową utrzymywaność bez poświęcania szybkości ery AI. Dowiesz się, jak wbudować jakość kodu w SDLC z wyjściem generowanym przez AI przy użyciu Codex i wielu narzędzi deweloperskich AI. Otrzymasz praktyczną metodologię kodowania najlepszych praktyk w swoim przepływie pracy, gdzie deweloperzy już działają (CLI, IDE i Git). Fuzz First, Farm Later: Lokalna weryfikacja przed kosztownym chmurą / Matt Hargett (Callstack) Testowanie sterowane przez agenta na rzeczywistych chmurowych urządzeniach zamyka ważną część pętli weryfikacji — a rachunek rośnie wraz z szybkością twoich zaangażowań. Jeśli weryfikujesz ponownie przy każdym scalaniu, ta krzywa szybko staje się stroma. To wystąpienie dotyczy tego, co możesz złapać, zanim dotkniesz urządzenia: testowanie mutacji gałęzi, wirusowe pokrycie i głębokie profilowanie na poziomie CPU. Ustalanie spadków L1, opóźnienia prefetch, niedopowiedzenie gałęzi — uruchamiaj na efektywnych rdzeniach laptopa jako zastępstwo dla ograniczonego procesora telefonu, zegarka, XR lub TV. Przejdę przez studium przypadku, w którym zastosowałem agentów na wszystkich trzech przed AI sterowanym przeprojektowaniem w kierunku od React.