Microsoft представила SkillOpt и AI Engineer Coach для вайбкодинга | The GEEK

Microsoft представила SkillOpt и AI Engineer Coach для вайбкодинга

SkillOpt улучшает инструкции для моделей, а AI Engineer Coach помогает находить ошибки в работе с ИИ-ассистентами.
Фото аватара
Редакция The GEEK сегодня в 10:29
Microsoft представила SkillOpt и AI Engineer Coach для вайбкодинга

Microsoft выпустила два проекта с открытым исходным кодом для разработчиков, работающих с ИИ-агентами. Инструменты называются SkillOpt и AI Engineer Coach.

SkillOpt помогает улучшать поведение ИИ-агентов без дообучения модели. Вместо изменения весов нейросети система редактирует файл инструкций skill.md, где описано, как агент должен действовать, какие инструменты использовать и в каком порядке.

Работает это итеративно: агент выполняет задачи, система фиксирует ошибки и удачные решения, а затем более сильная модель-оптимизатор предлагает правки к инструкции. Изменение принимается только в том случае, если результат на контрольных задачах становится лучше.

Чтобы не сломать уже работающие части инструкции, SkillOpt ограничивает объём правок за один шаг. Разработчики называют этот подход «текстовой скоростью обучения».

По данным Microsoft, на тестах с поиском по документам, таблицами, математическими задачами и текстовыми играми SkillOpt показал лучший или сопоставимый результат во всех 52 проверочных комбинациях. Для GPT-5.5 средний прирост составил 23,5 процентного пункта относительно запуска без инструкций.

Второй инструмент, AI Engineer Coach, предназначен уже для разработчиков. Это плагин для VS Code, который анализирует локальные логи работы с ИИ-ассистентами вроде Copilot и Claude Code.

Coach ищет типичные ошибки: слишком короткие запросы без контекста, повторение одинаковых промптов, использование дорогих моделей для простых задач и принятие сгенерированного кода без проверки.

Всего система распознаёт 45 антипаттернов и предлагает конкретные рекомендации по исправлению. Также инструмент показывает объём сгенерированного кода по языкам и моделям, помогает находить повторяющиеся запросы и превращать их в переиспользуемые инструкции.

Все данные обрабатываются локально и не отправляются за пределы компьютера. Оба проекта уже доступны на GitHub и не требуют подписки или API-ключей для базового использования.