Один из моих любимых примеров использования ИИ-агентов - самостоятельное обучение.
Пока все спорят, заменят ли LLM джуниоров или старших разрабов, у меня скопилось несколько месяцев практики с чем-то куда более личным: обучать самого себя с помощью мульти-агентных систем. И вот хочу поделиться, как это устроено.
Сначала немного контекста. Я убеждён, что хорошее обучение распространяется дальше, чем "прочитал и понял". Оно строится на нескольких вещах:
▶️ Адаптивность - материал должен быть построен на знакомом мне фундаменте
▶️ Структура - я должен понимать, в какой точке нахожусь и куда иду
▶️ Активная практика - я должен встроиться в цикл упражнений с обратной связью
▶️ Повторение в стиле ANKI - мне нужно регулярно возвращаться к изученному и повторять
▶️ Проверка понимания - я должен конспектировать и формулировать все своими словами
Как правило организоавать все качественно мне было лень, довольствовался Quizlet и Обсидианом и на какие-то пункты я чаще забивал. Но агентские системы дают нам дополнительные клешни на реализацию этого цикла по-уму, и теперь мы вместе собираем под меня учебники.
Для начала я исследую: широкими мазками вместе с claude мы очерчиваем область новых знаний, определяем порядок, в котором обычно погружаются в тему, ищем не знакомые для меня фундаментальные концепции, записываем и составляем примерный план глав и источников для них (статьи, книги, видео). Это будет фундаментом для нашей системы.
С этого документа и стартуем проект, просим claude code на его основе создать создать нам следующих агентов:
- researcher - перебирает и расширяет материалы под каждую главу
- author - пишет главу по шаблону
- exercise-author - пишет мини-проектик к главе с тестами
-
*-expert - верифицируют код через запуск тестов и примеры из книги- methodist - проверяет педагогическую логику
- exercise-checker - автоматически проверяет решения упражнений
У каждой главы есть заданная структура: введение, обзор, углубление, упражнения, готовые карточки для Anki. Карточки по прошедшим темам сами собираются одной командой
task cards <chapter>, для практики всегда есть мини-проектики и task check <chapter> с запуском агента, чтобы я по-практиковался и агент сказал, где можно лучше (на основе материала). Так я буквально внедрил к себе один из советов команды Claude Code:
Build a spaced-repetition learning skill: you explain your understanding, Claude asks follow-ups to fill gaps, stores the result. На выходе получился полноценный пайплайн, покрывающий мои хотелки с лихвой. P.S. По похожей методике я в соавторстве с Клодом сделал gleam-by-example. И кстати, со второй годовщиной, Gleam! ⭐️