Meu plano de ler o código-fonte do Kimi CLI foi, sem surpresas, adiado 😂 Depois que parei de trabalhar, passei a ter menos tempo livre. Só tinha algum tempo contínuo à noite, depois que minha família ia dormir. O resto do tempo era fragmentado em poucos minutos de cada vez, o que dificultava a concentração contínua nos estudos. Ontem à noite, dediquei algum tempo combinando o projeto de código aberto Kimi CLI, alguns posts do blog do Claude Code e o DeepWiki para obter uma compreensão básica. Estou publicando isso aqui primeiro e, se houver alguma falha, por favor, sintam-se à vontade para apontá-la. Também adicionarei mais informações assim que tiver um entendimento mais aprofundado. Desde o uso inicial de "abas" de cursor até o uso atual de "agentes assíncronos personalizados", como os Agentes de Codificação de IA do Claude Code, aqui estão algumas considerações simples: 1. Evoluiu de "Chat" para "Loop" Anteriormente, o ChatGPT/Copilot adotava uma abordagem do tipo "você faz uma pergunta, ele responde"; agora, o Claude Code e o Kimi CLI são máquinas de estado baseadas em REPL (Read-Eval-Print Loop). • Ciclo autônomo: Eles não esperam mais passivamente, mas têm um ciclo principal de "Enquanto (não resolvido) {Pensar -> Agir -> Observar}". • Autocorreção: A principal tecnologia de ponta aqui é o "ciclo de desenvolvimento orientado a testes". Após o agente terminar de escrever o código, ele executará ativamente o npm test ou o pytest. Se ocorrer um erro, ele lerá o log de erros, modificará o código e o executará novamente até que o teste seja aprovado. 2. A introdução do pensamento do "Sistema 2": Com o surgimento de modelos com "capacidade de pensar", um estágio explícito de "pensamento lento" foi adicionado à arquitetura do Agente de Codificação. • Pense antes de programar: Antes de executar qualquer ação de edição de arquivo, a arquitetura força o modelo a gerar um bloco de . O agente não responde mais ao código instantaneamente com base na intuição, mas sim deduz as dependências no espaço implícito primeiro. • Árvore de Planejamento: Uma lista de tarefas estruturada é gerada antes do início de uma tarefa complexa. Essa lista é dinâmica; o agente insere novas etapas dinamicamente com base no status de execução (como, por exemplo, descobrir dependências ausentes). 3. Padronização de Interfaces de Ferramentas (MCP) Esta é uma tendência muito clara na indústria: a padronização do uso de ferramentas. • Significado: Anteriormente, habilitar a IA para ler ordens de serviço do Linear ou bancos de dados PostgreSQL exigia que cada agente desenvolvesse seu próprio plugin. Agora, desde que o banco de dados ou o software SaaS seja compatível com MCP, o Claude Code e o Kimi CLI podem ser usados diretamente como soluções plug-and-play. • Tendência de vanguarda: as capacidades de um agente não dependem mais de quantas ferramentas ele possui integradas, mas sim de quantos servidores MCP existem no ecossistema. 4. Tarefas longas "sem interface" e assíncronas: Esta é a direção de pesquisa mais inovadora atualmente - fazer com que o agente funcione como um processo em segundo plano. • Humano no circuito em vez de Humano no circuito: Os plugins tradicionais de IDE exigem que você fique olhando para eles enquanto escreve o código. Tanto a arquitetura Claude Code quanto a Kimi CLI agora suportam "delegação de tarefas". Você pode emitir um comando vago e ir tomar um café. O agente irá percorrer centenas de arquivos, passar 20 minutos fazendo alterações, executando testes ou até mesmo iniciando automaticamente um commit no Git. • Consciência de custos: Como essas tarefas assíncronas consomem muitos tokens, as arquiteturas começaram a incorporar a "estimativa de custos" e a solicitar aprovação orçamentária antes de realizar refatorações em larga escala.
Carregando detalhes do thread
Buscando os tweets originais no X para montar uma leitura limpa.
Isso normalmente leva apenas alguns segundos.
