Автор опубликовал развёрнутый разбор создания Skycode — расширения для Visual Studio Code, внутри которого работает ИИ-агент, подключённый к корпоративной модели Qwen через внутренний шлюз. Работа велась параллельно с GitBor, отдельным git-клиентом, через который разработчик проверяет изменения, внесённые агентом: один инструмент пишет код, второй показывает, что в итоге получилось. Поводом стала невозможность использовать GitHub Copilot и Cursor, поскольку те отправляют код на внешние серверы, а в закрытом контуре энергетической компании это недопустимо. При этом доступная внутри модель свежая и качественная, но с существенным ограничением по длине контекста.

Ключевая цифра, вокруг которой построена вся инженерия Skycode, — около 100 тысяч токенов контекста. Этого хватает ненадолго: агент успевает прочитать пять файлов, поправить два, посмотреть вывод тестов, и место заканчивается. После этого модель теряет начало задачи и начинает ходить по кругу, повторяя одни и те же действия. Популярные открытые агенты вроде Cline, Kilo Code и Continue рассчитаны на облачные модели с огромным контекстом и расходуют его без оглядки на лимиты, поэтому автор взял из каждого проекта отдельные удачные решения и переработал их под собственные условия. Так и появился Skycode, а отправной точкой, по признанию разработчика, был полный форк VS Code по образцу Cursor, от которого пришлось отказаться из-за неподъёмного объёма работы для одного человека.

Техническая часть расширения почти целиком посвящена экономии контекста. Файлы читаются по частям: отдельный инструмент read_symbol извлекает из файла один метод или класс вместо всего содержимого на две тысячи строк, а при повторном обращении к неизменённому файлу модель получает короткое уведомление, что файл тот же, без повторной передачи текста. После правки агенту отправляется только фрагмент вокруг изменения, длинный вывод терминала обрезается до начала и конца, а описание окружения передаётся лишь при его изменении. Когда контекст приближается к пределу, сессия сжимается в краткое резюме о том, что сделано и что осталось; автор отдельно отмечает, что в коде, унаследованном от Cline, для моделей не из числа топовых вместо сжатия молча выбрасывалась половина истории, и модель просто забывала свои действия. В интерфейсе добавлено кольцо загрузки контекста с разбивкой по источникам — файлам, выводу команд и истории, — чтобы было видно, что именно съедает лимит.

Помимо работы с контекстом, разработчик устранил несколько поведенческих проблем модели, не связанных с её интеллектом. Повторение одной и той же фразы сотни раз лечится настройками температуры: с рекомендованными для Qwen параметрами вместо нулевой температуры петли почти исчезли. Отдельно решена ситуация, когда модель пишет «начну с чтения файлов» и завершает ответ, ничего не сделав, — теперь агент подталкивает её продолжить. Если ответ обрывается по лимиту длины посреди записи файла, обрезанный файл не сохраняется, а модель получает подсказку разбить работу на части. Жёстких запретов в промпте почти нет: слабые места модели автор предпочитает подстраховывать подсказкой в нужный момент. Кроме того, задачи открываются во вкладках, как файлы в редакторе, и работают параллельно: пока агент занят в одной вкладке, можно писать в другую, а второе нажатие Enter прерывает агента и отправляет сообщение сразу. Агент также умеет строить в чате схемы связей и таблицы, которые копируются в Word или Excel.

Отдельного упоминания заслуживает голосовой ввод без интернета. Сначала автор использовал Whisper, но небольшие его версии плохо распознают русскую речь, поэтому выбор пал на GigaAM v3 от Сбера: 17 секунд речи распознаются примерно за секунду на обычном процессоре, сразу с расстановкой запятых и точек, а текст появляется в поле ввода по ходу речи. Модель скачивается один раз, после чего сеть не требуется. Контекст для российского рынка здесь двойной: с одной стороны, это пример инструмента, адаптированного под отечественную модель распознавания речи, с другой — демонстрация того, как требования информационной безопасности формируют спрос на локальные решения. Автор подчёркивает, что в закрытом контуре решающей оказалась разница между программой и расширением: GitBor устанавливается как отдельная программа, и версию с ИИ служба безопасности в контур не пустила, пришлось делать сборку без ИИ. С консольными агентами вроде OpenCode или Claude Code будет то же самое, а расширение VS Code ставится из Marketplace без отдельного согласования, ходит только во внутренний шлюз, не имеет телеметрии и распространяется с открытым кодом.

Сравнение с альтернативами автор проводит по линии не возможностей модели, а формата работы. Разработчики с агентами, по его наблюдению, делятся на два лагеря: одним удобно в терминале, и для них хорошие инструменты уже существуют, другим нужен визуальный контроль с правкой прямо в файле и откатом одним кликом. Skycode адресован вторым, и короткий контекст здесь парадоксальным образом помогает: несколько небольших задач в разных вкладках модель тянет лучше, чем одну огромную. Честно перечислены и ограничения: проверка велась в основном на Windows, macOS и Linux почти не тестировались, контекст остаётся коротким, а из-за сознательного отказа от телеметрии о проблемах пользователей автор узнаёт только от них самих. Расширение бесплатное, код открыт, и главный тезис статьи в том, что в корпоративной среде ближайших лет работа будет идти на моделях, поднятых внутри периметра, а решающим станет не то, какая модель умнее, а то, насколько бережно инструмент вокруг неё обращается с контекстом.