Локальный ИИ-агент на Emacs Lisp: эксперимент с OpenCode и собственной памятью
Автор технического эксперимента перенёс идеи терминального агента OpenCode в приложение на Emacs Lisp и связал его с локальными языковыми моделями. Получилась исследовательская среда, где задачи разработки выполняются по этапам, а промежуточные решения сохраняются в структурированном хранилище.
Главное
Исследование началось весной и продолжалось до октября: вместо попытки расширить исходный терминальный интерфейс автор собрал самостоятельный прототип на Emacs Lisp. Важным критерием была возможность запускать модели без постоянной привязки к облачному провайдеру. Оба приложения на этапе экспериментов запускались в изолированных Docker-контейнерах, чтобы сгенерированные команды и код не получали бесконтрольный доступ к обычным файлам пользователя.
Emacs в этой архитектуре служит одновременно терминальным интерфейсом и исполняемой средой для инструментов агента. Состояние диалогов, спецификации, тесты и решения задач записываются в графовое хранилище Apache Jena Fuseki, использующее RDF и запросы SPARQL. Благодаря такой структуре агент может обращаться не только к предыдущему тексту переписки, но и к отдельным артефактам разработки, связанным между собой по смыслу и этапу работы.
Подробности
Вместо одного длинного запроса к языковой модели процесс описан конечным автоматом. После постановки задачи прототип формирует первоначальный код, затем собирает предположения, требования и тесты, останавливаясь для проверки разработчиком. Следующие состояния отвечают за генерацию изменений, выполнение кода и анализ результатов. Роль человека здесь не декоративная: без согласования требований и контрольных точек схема легко закрепила бы ошибочные допущения.
Для борьбы с вымышленными вызовами функций предусмотрен отдельный поиск по имеющимся определениям. Если модель предложила символ, которого нет в проекте, агент подбирает похожие по назначению функции и возвращает найденные сведения в контекст следующей попытки. Такой механизм не гарантирует правильный код, но позволяет отличать исправление конкретной ошибки от бесконечного повторения почти одинаковых ответов модели.
Что это меняет
Автор тестировал локальные модели через Ollama и отмечает, что генерация корректного Lisp-кода остаётся сложной даже для крупных систем. В его настройке наилучшее сочетание скорости и устойчивости показала модель Ministral, однако это наблюдение относится к конкретному оборудованию и набору задач. Порт и хранилище уже позволяют вести раздельные циклы разработки, но степень автоматизации нужно оценивать по пройденным тестам и участию человека, а не по названию «автономный».
Публикация важна как описание инженерного устройства агента, а не как анонс готовой замены промышленным инструментам. Прототип пока не способен надёжно менять собственную кодовую базу без помощи разработчика; автор прямо обозначает это ограничение. Эксперимент показывает, какие инфраструктурные элементы требуются для локальной разработки с ИИ: изоляция исполнения, проверяемые переходы между этапами, сохраняемая память и контролируемый доступ к инструментам.
Первоисточник
Материал подготовлен STRUCTURE по открытой публикации Habr. Текст и иллюстрации первоисточника не воспроизводятся целиком.