Czy warto indeksować całe repo, zanim agent zacznie pisać?

Dwie firmy, które robią oprogramowanie opakowujące modele językowe, spierają się o jedną rzecz: czy kod trzeba przygotować agentowi z góry, czy lepiej, żeby model odnajdywał go sam przy każdym zadaniu. Samuel Axon z Ars Technica przepytał obie strony. Cat Wu, szefowa produktu Claude Code w Anthropic, twierdzi, że ich testy nie pokazują żadnej mierzalnej poprawy, gdy z góry buduje się uporządkowany kontekst wokół repozytorium, więc jej zespół świadomie trzyma swój harness szczupłym. Vinay Perneti, wiceprezes ds. inżynierii w Augment Code, obstawił dokładnie odwrotnie. Powiem od razu, po której jestem stronie: w większości przypadków bliżej mi do Anthropic, a Augment wygrywa w jednym, wąskim, ale całkiem realnym scenariuszu.

Agent zapomina wszystko między zadaniami i naraz mieści w głowie tylko kawałek kodu, więc za każdym razem musi najpierw pójść i zebrać ten fragment, który akurat jest mu potrzebny. Tym, co model w ogóle zobaczy z kodu, jakie akcje może wykonać i jak z tym kodem rozmawia, steruje warstwa oprogramowania owinięta wokół modelu. To właśnie harness. Sposoby na samo zebranie kodu są dwa. Pierwszy, grepowy, którym idą Claude Code i Codex: model przeszukuje pliki tekstowo, jak programista wpisujący frazę w wyszukiwarkę, od nowa przy każdym zadaniu. Drugi, semantyczny, którym poszedł Augment: całe repozytorium jest z góry zaindeksowane, kod zamienia się na liczbowe wektory, a osobny model wyszukujący wyciąga w ułamku milisekundy te fragmenty, które pasują znaczeniowo, a nie dosłownie tekstem.

Przewaga pokazuje się dopiero na dużym, prywatnym repozytorium