Kontekst, który podróżuje z Tobą_
Indekser Cursor jest doskonały wewnątrz Cursor. Maguyva to hostowana mapa MCP, którą ten sam agent może odpytywać z innych edytorów, CLI i CI.
> ls /var/log/decisions/*.md
Decyzje architektoniczne, notatki z implementacji MCP i od czasu do czasu tyrada o rzeczach, które nie powinny być aż tak trudne.
Najnowszy wpis
Zacznij tutaj, jeśli chcesz najświeższą aktualizację techniczną, zanim zanurzysz się w archiwum.
Indekser Cursor jest doskonały wewnątrz Cursor. Maguyva to hostowana mapa MCP, którą ten sam agent może odpytywać z innych edytorów, CLI i CI.
Archiwum
Architektura, obserwowalność, projektowanie interfejsu MCP oraz wzorce, które przetrwały starcie z produkcją.
Ugruntuj agenta kodującego w mapie repozytorium, zanim zacznie pisać. Niech Greptile przejrzy pull request potem. Uzupełniająca się para, nie zamiennik.
Jak dać agentowi kodującemu przeszukiwalną mapę dużego repozytorium z chmury, bez uruchamiania lokalnego indeksera na laptopie.
Agenci AI do kodowania wymyślają ścieżki plików, gdy nie mają prawdziwej mapy repozytorium. Oto dlaczego tak się dzieje i jak ugruntowanie prowadzi do mniejszej liczby zhalucynowanych edycji.
Przenieśliśmy nasze embeddingi kodu na voyage-4-large — obecnie na szczycie publicznego rankingu RTEB dla wyszukiwania kodu. Wersja uczciwa: kompromis, na jaki idziemy, co faktycznie indeksujemy i dlaczego płacimy za embeddingi premium.
Obsługujemy inteligencję kodu dla ~280 języków. Żaden człowiek nie jest w stanie tego ręcznie zweryfikować. Zbudowaliśmy więc pętlę rekurencyjnego samodoskonalenia językowego — wyrywkowa kontrola, LLM jako sędzia, naprawa jednej rzeczy, ponowna walidacja — i uruchamiamy ją z flotą izolowanych agentów, dopóki ekstrakcja nie będzie naprawdę poprawna, a nie tylko zielona.
Zapytanie w stylu „gdzie zdefiniowano parseConfig” potrzebuje innego wyszukiwania niż „jak działa uwierzytelnianie”. Maguyva klasyfikuje intencję, odpowiednio waży cztery tryby wyszukiwania i łączy wyniki za pomocą ważonej Reciprocal Rank Fusion.
Podłączyliśmy Claude Code i Codex do jednego stosu Grafana za pomocą OpenTelemetry i Alloy, a następnie użyliśmy śladów (traces) i logów, by znajdować i naprawiać problemy z zachowaniem agentów u źródła.
Commity git stają się ustrukturyzowanymi wpisami changeloga i rekordami decyzji architektonicznych, a następnie wracają do agentów AI jako przeszukiwalna pamięć instytucjonalna.
Przesialiśmy 3500 kandydatów na skille i przyjęliśmy 466. Systematyczna pętla wyszukiwania i włączania skilli do rejestru pozwala budować spójną bibliotekę skilli agentów AI na dużą skalę.
Systemy agentowe są domyślnie nieprzejrzyste. Stopniowe ujawnianie daje operatorom warstwowe widoki CLI, od szybkich sprawdzeń statusu po pełne wnętrze agentów i ślady decyzji.
Agenci AI halucynują z pełnym przekonaniem. Ground truths to wersjonowane fakty o określonym zakresie, które zakotwiczają zachowanie agentów w rzeczywistości. Oto jak je zbudowaliśmy i egzekwujemy.
Jeden orkiestrator kieruje pracę do wyspecjalizowanych agentów AI, z których każdy ma odrębne umiejętności i pamięć. Jak Orkestra koordynuje 46 agentów i 466 skilli na produkcji.
Każdy wpis trafia najpierw tutaj. Nowe pojawiają się prosto w changelogu, a subskrybując RSS dowiesz się o nich od razu.