Сотни AI-сервисов для отдельных задач — и одно окно с агентом вместо них.
Сотни AI-сервисов для отдельных задач — и одно окно с агентом вместо них. В TochkiNadAI предлагают так посмотреть на перемены: в 2023–2025 годах множились SaaS — готовые онлайн-сервисы под отдельные задачи. Теперь, по оценке автора, весь цикл работы над проектом, от создания до поддержки, можно собрать в одном окне Codex или Claude Code. Агент управляет компьютером и браузером, развёртывает проект из IDE — среды разработки, подключает бэкенд — серверную часть приложения, сохраняет изменения в Git — системе контроля версий. Для подключения инструментов есть MCP — протокол взаимодействия агента с внешними сервисами — и плагины. Скиллы, то есть наборы инструкций для типовых задач, помогают автоматизировать рутину и задавать агенту способы работы. Задачу можно передать голосом, текстом, скриншотом или референсом — образцом желаемого результата. Следующий сдвиг — автономность. Работу при желании можно перенести в облако, за компьютером присматривать с телефона, отдельные поручения отдавать субагентам — дополнительным агентам-помощникам. В описанном автором сценарии уже не требуется подтверждать каждое действие вручную. Автор также считает, что о контекстном окне — объёме информации, доступной модели за раз, — можно больше не думать: агент сам записывает правила работы, а те вместе со скиллами переходят из проекта в проект. Чем меньше технической возни остаётся человеку, тем заметнее роль его собственных навыков: стратегического мышления, планирования и постановки задач. По оценке автора, начать качественно работать с ИИ сейчас существенно проще, чем год назад, а по отдельным функциям — даже полгода назад. Предложенный минимальный набор выглядит так: 1. Разобраться в базовых возможностях одного инструмента. Не сотни сервисов, а один рабочий вход. 2. Понять, как устроен контекст проекта: какая информация доступна агенту при работе. 3. Освоить основные термины бэкенда. Даже если техническую работу выполняет агент, человеку нужно понимать сам процесс. 4. Знать, какого результата хочется, и уметь сформулировать задачу. В идеале — ещё и считать метрики, чтобы оценивать пользу внедрения в конкретном рабочем сценарии. Это касается не только больших проектов, но и маленького скилла для личных нужд. По мысли автора, этой базы уже достаточно, чтобы заметно расширить свои возможности и делать работу кратно быстрее; освоить её можно быстро. Дальше можно строить целую систему, связывать проекты и сервисы, заниматься оркестрацией — распределять работу между агентами — и погружаться в технические детали. Но стартовый набор в этой картине уже гораздо компактнее прежнего. А возможности, которые становятся доступнее каждый месяц, вызывают у автора сразу две реакции: и круто, и страшно. Источник: https://t.me/TochkiNadAI/2760 #RealVibe #AI #VibeCoding