Сильнее всего о сдвиге настроений вокруг ИИ-инструментов можно судить по X, вирусным репозиториям на GitHub и Hacker News. В последнее время туда всё чаще попадают промпты вроде «у меня ADHD» и инструкции Agents.md, требующие выдавать ответы только на ASD-STE100 Simplified Technical English. Желание понятно: многословие и специфические закидоны LLM-выводов всем надоели. Но чинить это «очеловечиванием» модели — неправильная абстракция.
Проблема в том, что такие инструкции применяются не после того, как агент закончил работу, а становятся частью самой работы. Если сказать агенту «пиши короткими предложениями, без жаргона, не перегружай меня и оставляй только главное» — это просьба постоянно сжимать свой вывод в формат с низкой пропускной способностью. А такое сжатие всегда lossy. Ты скорее всего не замечаешь, что потерялось, потому что текст всё ещё читается гладко.
ASD-STE — отличный пример. Стандарт звучит разумно: его придумали, чтобы техническая документация была однозначной для людей. Но агент — не человек-техпис. Его сырое состояние часто и есть самая информационно плотная форма. А правила стиля лежат в одном списке инструкций с задачами вида «реши проблему», «правильно используй инструменты», «сохраняй абстракции».
Страннее всего становится, когда агенты общаются с агентами. Субагент исследует баг, превращает находки в человекочитаемую сводку, родительский агент читает её и делает ещё одну красивую сводку для тебя. Если субагент прогнал шесть тестов, мне не нужен ответ «Most tests passed, although there was one issue worth looking into». Я хочу увидеть: 5/6 PASS, FAIL: test_cache_invalidation, CAUSE: stale key survives restart, REPRO: tests/cache_test.py:184.
Ещё важнее: очеловечивание прячет сбои. Агенты падают полезными и некрасивыми способами — противоречивые данные, незакрытые ветки, стектрейсы, сомнительные допущения. Человеческая проза отлично вылизывает это в формулировки вроде «There are a few considerations here». Звучит приятнее, но лучше уж заметить, что агент галлюцинирует или упирается в token window, чем радоваться красивому ответу.
Все остальные системы устроены наоборот. Базы данных не хранят данные в формате дашборда, компиляторы не делают свой IR удобным для чтения, API не обмениваются дружелюбными саммари. Мы держим максимально точное представление как можно дольше и преобразуем его только на границе, где результат потребляет человек. LLM-инструменты сейчас делают наоборот.
Это не аргумент против доступности или персонализации. Хочешь ответы в три строки или Simplified Technical English — пожалуйста. Просто делать это лучше в конце. Пусть агенты хранят детальное состояние, субагенты обмениваются схемами, диффами, точными ошибками, уверенностью и происхождением данных. А сжимать можно потом.
Ирония в том, что вирусные навыки, возможно, указывают в правильную сторону. Пользователи латают проблему на уровне промптов, хотя ей место глубже в стеке. «Говори со мной как с человеком с ADHD» отлично сработало бы как рендерер, но как рабочая инструкция — почти бессмысленно. Устойчивый вариант — агенты, чей родной язык это точное машинное состояние, а тёплая краткая человеческая версия генерируется только на границе. Так что вирусные репозитории — не конечная точка, а баг-репорт.