Otkrio sam da je teških korisnika IDEA-e ipak prilično puno — ranije sam preporučivao kombinaciju IDEA + Claude Code/Codex, a prenelo je više od 1700 ljudi, pročitalo 33.000, a broj preporuka je čak i veći od broja lajkova.

Malo neočekivano, malo iznenađujuće.

U ovoj epizodi ćemo instalirati RAG Agentu, da Agent može direktno čitati našu kodnu bazu.

Evo konkretnog scenarija, pitam „Kako MemoryManager kompresuje kontekst“. Agent bez RAG može samo da nagađa na osnovu trening podataka, pogodi se — to je sreća.

Nakon instaliranja RAG-a, Agent će prvo otići u kodnu bazu i izvući ContextCompressor.compressIfNeeded, pogleda Map-Reduce implementaciju, zatim odgovori na osnovu ovog pravog koda.

Nakon što smo završili PaiCLI 2. broj Plan-Execute, jedan problem me stalno muči——sećanje Agent-a je kao zlatna ribica, pričajući priča zaboravlja šta je ranije govorio.

Kažeš mu "sviadji da koristiš JDK 17", obriši razgovor još jedan krug, on opet glupo generiše JDK 8 kôd.

Ovaj broj rešimo ovaj problem, dodaj Agent-u kompletan Memory sistem.

Prvo izdanje PaiCLI-a smo već implementirali, osnovni ReAct Agent, može korak po korak izvršavati zadatke, dok razmišlja dok radi.

Ali ovaj način ima jedan problem: kompleksni zadaci zahtevaju mnogo rundi razgovora, svaki korak zahteva poziv LLM.

Na primer zadatak „napravi Spring Boot projekat, napiši REST API, zatim pakuj i pokreni“:

Iskreno, neko vreme već koristim Claude Code, Qoder CLI i Codex za AI programiranje, uvek me je zanimalo kako ovo zapravo radi.

Izgledaju kao jednostavne komandne linije, ali iza toga mogu da razumeju moje zahteve, pozivaju različite alate, čitaju i pišu fajlove, izvršavaju komande, čak mogu sami menjati kod.