Dignified Python: 10 Rules to Improve your LLM Agents

Современные LLM обучаются на огромном и неуправляемом наборе кода: сомнительных фрагментах со StackOverflow, недоделанных проектах и ​​любительских репозиториях.
Когда агенты генерируют код на основе такого набора данных, результаты могут быть быстрыми, но не сфокусированными.
Даже если вы не полностью доверяете им, постоянный цикл корректировок, исправлений и переписывания может привести к тому, что разработка будет ощущаться фрагментированной, а не целостной.

Для решения этой проблемы в Dagster Labs систематизировали представления о том, как следует писать код на Python, в набор правил.

Вместо того чтобы полагаться на последующую очистку посредством проверок или переписывания, правила загружаются непосредственно в контекст модели с самого начала. Это дает агентам четкое представление о стандартах, соглашениях и философии проектирования.

Примеры правил можно посмотреть в этом репо.

А для подготовки всего проекта с правилами используют ERK - CLI tool for plan-oriented agentic engineering, тоже интересный проект.

@five_minutes_of_data