Random Labs koji podržava Y Combinator lansira Slate V1, tvrdeći da je prvi ‘swarm-native’ agent za kodiranje

Svijet softverskog inženjeringa trenutno se bori s temeljnim paradoksom ere umjetne inteligencije: kako modeli postaju sve sposobniji, "problem sustava" upravljanje njima postalo je glavno usko grlo produktivnosti u stvarnom svijetu. Dok razvojni programer može imati pristup sirovoj inteligenciji graničnog modela, ta inteligencija često degradira u trenutku kada zadatak zahtijeva dugi horizont ili dubok kontekstni prozor.

Ali čini se da je pomoć na putu: startup sa sjedištem u San Franciscu koji podržava Y Combinator Random Labs ima službeno lansiran Slate V1opisan kao prvi u industriji "roj domaći" autonomni agent za kodiranje dizajniran za izvršavanje masivnih paralelnih, složenih inženjerskih zadataka.

Izlazeći iz otvorene beta verzije, alat koristi a "algoritam dinamičkog rezanja" za održavanje konteksta u velikim bazama koda uz skaliranje izlaza na složenost poduzeća. Suosnivači Kiran i Mihir Chintawar 2024tvrtka ima za cilj premostiti globalni nedostatak inženjeringa pozicioniranjem Slatea kao alata za suradnju za "sljedećih 20 milijuna inženjera" nego zamjena za ljudske programere.

S izdavanjem Slate V1, tim Random Labsa pokušava osmisliti izlaz iz ove zone uvođenjem prvog "roj-domaći" okolina agentskog kodiranja. Slate nije samo omotač ili chatbot s pristupom datotekama; to je implementacija a "košnica um" filozofija osmišljena za skaliranje agentskog rada sa složenošću ljudske organizacije.

Korištenjem nove arhitektonske primitive tzv Tkanje nitiSlate prelazi okvire krutih stabala zadataka i metoda sažimanja s gubicima koji su definirali prvu generaciju AI pomoćnika za kodiranje.

Strategija: Prostor akcije

Srž Slateove učinkovitosti je dubok angažman s Rekurzivni jezični modeli (RLM).

U tradicionalnoj postavci, od agenta se može tražiti "popraviti grešku," upit koji tjera model da istovremeno žonglira strategijom visoke razine i izvršenjem niske razine.

Random Labs identificira ovo kao neuspjeh u iskorištavanju "Prekomjerno znanje"— latentna inteligencija koju model posjeduje, ali joj ne može učinkovito pristupiti kada je taktički nadjačana.

Slate to rješava korištenjem središnje orkestracijske niti koja u biti "programi u akcijskom prostoru". Ovaj orkestrator ne piše kod izravno; umjesto toga, koristi se DSL-om temeljenim na TypeScriptu za slanje paralelnih radnih niti za rješavanje specifičnih, ograničenih zadataka.

To stvara jasnu razliku između "kernel"—koji upravlja grafom izvršenja i održava strateško usklađivanje—i radnik "procesima" koji izvode taktičke operacije u terminalu.

Preslikavanjem na okvir u stilu OS-a, inspiriran Andrejom Karpathyjem "LLM OS" koncepta, Slate može tretirati ograničeni kontekstni prozor modela kao dragocjeni RAM, aktivno, inteligentno upravljajući onim što se zadržava, a što se odbacuje.

Epizodno pamćenje i roj

Prava inovacija "Tkanje niti" pristup leži u tome kako postupa s memorijom. Većina agenata danas se oslanja na "zbijanje," što je često samo fensi izraz za kompresiju s gubicima koja riskira pad kritičnog stanja projekta. Škriljevac umjesto toga generira "epizode".

Kada radna nit dovrši zadatak, ne vraća opsežni prijepis svakog neuspjelog pokušaja; vraća komprimirani sažetak uspješnih poziva alata i zaključaka.

Budući da ove epizode dijele kontekst izravno s orkestratorom, umjesto da se oslanjaju na kratko prosljeđivanje poruka, sustav održava "roj" inteligencija.

Ova arhitektura dopušta masivni paralelizam. Programer može pustiti Claudea Sonneta da upravlja složenim refaktorom dok GPT-5.4 izvršava kod, a GLM 5—omiljen zbog svojih mogućnosti agentskog pretraživanja—simultano istražuje knjižničnu dokumentaciju u pozadini. Sličan je pristup koji je zauzeo Perplexity sa svojim novim računalnim agentom s više modela

Odabirom "pravi model za posao," Slate osigurava da korisnici ne troše previše na inteligenciju za jednostavne taktičke korake, dok i dalje imaju koristi od strateške dubine najmoćnijih modela na svijetu.

Posao autonomije

Iz komercijalne perspektive, Random Labs upravlja ranim beta razdobljem s mješavinom transparentnosti i strateške dvosmislenosti.

Iako tvrtka još nije objavila pretplatnički list s fiksnom cijenom, dokumentacija Slate CLI potvrđuje pomak prema kreditnom modelu temeljenom na upotrebi.

Naredbe poput /usage i /billing omogućuju korisnicima praćenje trošenja kredita u stvarnom vremenu, a uključivanje prekidača za naplatu na razini organizacije sugerira jasan fokus na profesionalne inženjerske timove, a ne na solo hobiste.

Također postoji značajna igra prema integraciji. Random Labs je nedavno objavio da je izravna podrška za OpenAI Codex i Anthropicov Claude Code predviđena za puštanje sljedeći tjedan.

Ovo sugerira da se Slate ne pokušava natjecati s izvornim sučeljima ovih modela, već djelovati kao superiorni sloj orkestracije koji inženjerima omogućuje korištenje svih njih odjednom, sigurno i ekonomično.

Došao sam do

Arhitektonski, sustav je dizajniran da maksimizira predmemoriju kroz ponovnu upotrebu podniti, a "inženjerstvo novog konteksta" trik za koji tim tvrdi da sprječava pristup roja da postane financijski teret za korisnike.

Stabilnost AI

Možda je najuvjerljiviji argument za Slate arhitekturu njezina stabilnost. U internom testiranju, rana verzija ovog sustava niti uspjela je proći 2/3 testova na zadatku make-mips-interpreter unutar paketa Terminal Bench 2.0.

Ovo je zadatak u kojem čak i najnoviji granični modeli, poput Opusa 4.6, često uspiju u manje od 20% slučajeva kada se koriste u standardnim, neuređenim pojasevima.

Ovaj uspjeh u a "mutiran" ili promjena okoline je ono što odvaja alat od partnera. Prema dokumentaciji Random Labsa, jedan osnivač fintecha u New Yorku opisao je Slate kao njihov "najbolji alat za otklanjanje pogrešaka," osjećaj koji odražava širi cilj Random Labsa: izgraditi agente koji ne ispunjavaju samo upit, već se skaliraju poput organizacije.

Kako industrija prolazi kroz jednostavnost "razgovarajte sa svojim kodom" sučelja, "Tkanje niti" Slate V1 nudi pogled u budućnost u kojoj je primarna uloga ljudskog inženjera usmjeravanje uma košnice specijaliziranih modela, od kojih svaki radi usklađeno kako bi riješio dugoročne probleme modernog softvera.

Web izvor