Проблема статичных навыков в разработке ПО
Современные LLM-агенты всё чаще используются для сложных задач инженерии ПО, но их эффективность ограничена статичными библиотеками навыков. Специфичные для репозитория навыки (repository-specific skills) должны эволюционировать вместе с кодом, меняющимися конвенциями и требованиями к поддержке. Традиционные подходы не успевают за динамикой разработки, что приводит к ошибкам при внедрении новых функций и поддержке существующих.
Решение: Skill Dreaming
Команда исследователей во главе с Синьюань Сунгом (Xinyuan Song) предложила фреймворк Skill Dreaming (отчет CDL-2026-001). Его ключевая идея — использование потока Pull Request (PR) как естественного источника знаний. Фреймворк анализирует историю PR, извлекает исполняемые знания из проверенных изменений и непрерывно уточняет навыки по мере поступления новой информации.
Процесс работает как взаимно усиливающий цикл:
- PR → Навыки: Успешные PRы становятся источником данных для обновления библиотеки навыков.
- Навыки → PR: Обновленные навыки направляют ИИ-агентов при создании новых PR, обеспечивая соответствие конвенциям и прохождение тестов.
Технические детали и метрики
Skill Dreaming интегрирует анализ PR, управление навыками, выполнение кода и непрерывную интеграцию (CI) в единый рабочий процесс. Агенты получают инструкции не только по реализации функций, но и по поддержке тестов, документации и совместимости. Ниже приведена структура того, какие аспекты разработки покрывает фреймворк:
| Аспект разработки | Роль Skill Dreaming | Источник данных |
|---|---|---|
| Реализация функций | Направление кода агента согласно паттернам репозитория | История успешных PR |
| Тестирование | Поддержка существующих тестов и добавление покрытия для нового функционала | Результаты CI после слияния PR |
| Документация | Автоматическое обновление документации в соответствии с изменениями кода | Изменения в коде и PR-комментарии |
| Конвенции репозитория | Обеспечение соответствия стилю и архитектуре проекта | Анализ структуры репозитория и истории коммитов |
Значение для индустрии
Работа демонстрирует переход от разовых ИИ-ассистентов к автономным системам, способным к долгосрочному обучению на истории проекта. Это снижает порог входа для новых разработчиков и повышает качество кода за счет использования проверенных паттернов, накопленных сообществом в виде PR.
Источник: arXiv cs.AI ↗