Почему React-разработчикам стоит кастомизировать DeepSeek Harness: мост к бэкенду и LLM.
Фактически DeepSeek Harness (DSH) работает в логике «React для бэкенда». Это важный опыт для фронтенд-разработчиков, которые хотят перейти на полный стек. Причём Cordis представляет собой Enterprise-технологию для сложных решений.
Между React и Cordis есть общее: оба работают через TypeScript и используют state-философию. Для фронтенда понятно, как делать state в духе «рендеринг state», а для бэкенда это более сложная абстракция. DSH может научить создавать масштабируемые и отказоустойчивые архитектуры. Одна из важнейших особенностей Cordis заключается в том, что при сбоях плагинов он умеет автоматически откатывать state.
Есть и более серьёзный момент: высокая совместимость архитектуры Cordis с LLM. Поскольку LLM легко генерализуют и переносят знания, аналогия с React и общий язык TypeScript позволяют ИИ использовать своё огромное обучение на них при кастомизации DSH. Если LLM имеет нативный state, как Kimi K3 или последние LLM от Qwen, слово «state» становится не просто общим. State у таких гибридных ИИ имеет совсем другую структуру, чем state у Cordis или React, но в state у Kimi K3 можно напрямую хранить репрезентацию текущего состояния алгоритма.
Мы считаем, что, несмотря на кажущуюся «навороченность» концепций Cordis для многих разработчиков, для ИИ это крайне удобная среда для надёжного написания кода, поскольку она сильно ложится на обучение и архитектуру моделей. Поэтому можно достаточно смело предполагать, что, когда агенты будут писать на ходу плагины, вероятность их ошибок будет довольно низкой для линейных применений.
Ещё новости:
