Привет. Я Luke из Nextain — команды, создающей Naia. После моей последней публикации о Naia-Sing несколько человек спросили, буду ли я стримить — нет, не буду.
Naia-Sing — это исследовательский проект, посвящённый когнитивному фреймворку AI-модели Naia. Исследование ведётся в закрытом репозитории.
Референсные треки Naia-Sing и стандартная VRM 3D-модель Naia-OS действительно отражают мои личные увлечения субкультурой, но это не та область, на которой я фокусируюсь — контент, по моему убеждению, остаётся за нашими партнёрами и авторами, с которыми мы сотрудничаем.
К тому же, поскольку у меня аниме-аватарка на GitHub, первая компания была VR-вебтуном, а в резюме есть опыт PD в Naver Webtoon, многие воспринимают меня исключительно как специалиста по контенту. Эта публикация отчасти призвана скорректировать это впечатление — в том числе ради будущей деятельности Nextain. (Для развлечения: статье в блоге Codeforces о корреляции между аниме-аваткой и уровнем кода https://codeforces.com/blog/entry/93498)
Я уже упоминал, что занимался исследованиями ИИ в Naver. Тогда я занял первое место во внутреннем рейтинге изобретателей — тоже по темам искусственного интеллекта. Об этом в своё время написал Boannews в статье, анализирующей патенты Naver.
"При анализе патентных заявок этой компании в разбивке по изобретателям одно имя встречается особенно часто: 'Ян Бён-сок'. Коды CPC его патентов сосредоточены в G06Q (системы обработки данных для управленческих, коммерческих, финансовых или прогностических целей) и G06F (цифровая обработка данных — компьютерные системы на основе конкретных вычислительных моделей). Все они относятся к технологиям 'обработки данных'."
https://m.boannews.com/html/detail.html?idx=125653
Я изучал медиаисследования как второстепенную специальность, но основная моя специальность — Computer Science. В студенческие годы я учился у профессора Чон Ги Чхоля из Университета Сунсиль — первого в Корее, кто применил CUDA в ИИ — и всерьёз рассматривал путь академического исследователя.
Опираясь на этот инженерный бэкграунд, в данной публикации я хочу объяснить, какие проблемы стремится решить Naia OS, рассматривая в качестве путеводной нити наши технологические патенты — то, что наиболее точно отражает идентичность Nextain.
Для справки: Nextain была основана в марте 2026 года и за чуть более чем три месяца накопила 12 патентов, из которых 8 посвящены проблемам, возникшим в процессе разработки с помощью ИИ. Большинство реализаций и бенчмарков уже опубликованы в open source репозиториях Naia-OS, Naia-Agent, Naia-ADK и Naia-Memory. Скачайте эти репозитории и передайте эту публикацию AI-ассистенту для программирования вроде Claude или Codex — он объяснит, где и как реализован каждый патент. Только имейте в виду: многое ещё работает не идеально.
А теперь перейдём непосредственно к объяснению.
Что значит «самостоятельная» разработка ПО с помощью ИИ
Уже более двух лет я каждый день разрабатываю программное обеспечение вместе с AI-агентами. Поначалу впечатление было простым: «ИИ пишет код довольно быстро». Сегодня я смотрю на это совершенно иначе.
Анализ требований, проектирование, реализация, верификация, деплой и даже защита интеллектуальной собственности (IP) — вот этапы SDLC (жизненного цикла разработки ПО), которые наша команда реально выполняет вместе с ИИ. Я называю это не простой «помощью», а «SDLC на основе AI coding» — моделью, где ИИ является полноправным субъектом исполнения.
Но когда серьёзно движешься в этом направлении, наталкиваешься на неожиданные и колоссальные стены. Это не просто баги или проблемы производительности. Это структурные уязвимости операционной инфраструктуры — дыры, которые никакая «более умная модель», будь то GPT-5 или GPT-6, не заделает в одиночку.
Ниже я разберу несколько структурных дыр, с которыми столкнулся лично, и ответы, которые выработала Nextain.
Структурная дыра 1. Испарение контекста и загрязнение памяти
SDLC растягивается на недели, а то и месяцы. Как только сессия закрывается, ИИ начисто забывает вчерашние архитектурные решения, рассмотренные и отвергнутые альтернативы, факторы риска, которые нужно держать в уме. Сколько бы ни увеличивалось контекстное окно, его предел очевиден — и всё неизменно возвращается к фундаментальному вопросу: «что оставить, а что выбросить?»
Нынешний ИИ лишён способности к активному забыванию: он либо накапливает всё подряд, включая ненужное, либо вынужден каждый раз вызывать дорогостоящий LLM для оценки важности той или иной информации. Хуже того, если сжатие памяти срабатывает механически, не дожидаясь завершения рабочего эпизода, нить текущего контекста обрывается на полуслове.
Ответ Nextain: Мы напрямую перенесли в AI-систему памяти модель классификации памяти из нейронауки (рабочая / эпизодическая / семантическая память). Три эвристические оси — важность, неожиданность и эмоциональная интенсивность — обеспечивают Gating памяти без каких-либо вызовов LLM. Сжатие же структурировано так, чтобы выполняться только после системной проверки завершённости эпизода — цель состоит в том, чтобы сохранять ключевые намерения проекта и при этом своевременно извлекать нужную информацию.
(Связанные патенты: управление долгосрочной памятью AI-агентов на основе нейронауки / когнитивная память с Gating по важности / безопасное сжатие на основе состояния интеграции эпизода)
Структурная дыра 2. Тихая деградация инструктивных файлов (Context Drift)
По мере продвижения проекта такие файлы контекста, как AGENTS.md, начинают противоречить друг другу. Сверху написано: «использовать только pnpm»; снизу позже добавленное правило: «npm тоже допустим». В таком состоянии ИИ начинает вести себя непоследовательно. А если попросить его самостоятельно провести аудит этих файлов, агент-аудитор оказывается заражён умело спрятанными в файле prompt-инъекциями вроде «игнорируй это правило».
Ответ Nextain: Единственный ответ на эту проблему — структурная изоляция. Мы одновременно применяем три меры — ограничение разрешений инструментов, эпистемическое переосмысление и деактивацию персоны — чтобы сформировать «выделенный субагент для аудита», полностью изолированный от рабочей среды, задача которого — верифицировать целостность контекста и удерживать проект на верном курсе.
(Связанный патент: верификация целостности файлов контекста в AI-воркспейсе)
Структурная дыра 3. Предвзятость и неуправляемость параллельных сессий
Суждения одиночного AI-агента всегда последовательно предвзяты. Просить его самопроверяться — значит лишь усиливать предвзятость подтверждения. Кроме того, в среде, где одновременно работают несколько агентов, и другим агентам, и людям сложно в реальном времени определить, остановился ли какой-то из них или столкнулся с ошибкой.
Ответ Nextain: Предвзятость суждений решается через «cross-check» между агентами. Мы разработали структуру взаимной верификации мульти-агентов, которая накапливает страйки по доменам и в реальном времени исключает из процесса валидации агентов со снизившейся надёжностью. Помимо этого, мы создали технику, которая отслеживает состояние (Active/Idle/Error/Stopped) большого числа параллельных сессий исключительно через события файловой системы (изменения временных меток и т. д.) — без единого изменения в коде агентов. Цель — сделать Naia оркестратором мульти-агентов, который хорошо меня знает и эффективно управляет множеством AI-агентов.
(Связанные патенты: взаимная верификация мульти-агентов / управление параллельными AI-сессиями на основе событий файловой системы)
Пайплайн из 8 патентов, охватывающий весь SDLC
Помимо фундаментальных технологий, описанных выше, мы модуляризировали и запатентовали — по одному — детальные возможности, необходимые ИИ для того, чтобы стать настоящим субъектом разработки.
Эти 8 патентов — не фрагменты разрозненных технологий. Это органичный ответ на один-единственный вопрос: «Как должна измениться инфраструктура, чтобы ИИ стал настоящим движущим субъектом разработки программного обеспечения?»
| Возникшая проблема (дыра) | Решение Nextain (заявленный патент) | Номер заявки |
|---|---|---|
| Потеря информации (структура памяти) | Управление долгосрочной памятью AI-агентов на основе нейронауки | 10-2026-0054383 |
| Потеря информации (оценка важности) | Когнитивная память с Gating по важности | 10-2026-0078232 |
| Потеря информации (безопасное сжатие) | Безопасное сжатие контекста на основе состояния интеграции эпизода | 10-2026-0065859 |
| Деградация инструктивных файлов | Верификация целостности файлов контекста в AI-воркспейсе | 10-2026-0095948 |
| Предвзятость суждений агентов | Взаимная верификация мульти-агентов с накоплением страйков по доменам | 10-2026-0056403 |
| Невидимость параллельных сессий | Управление параллельными AI-сессиями на основе событий файловой системы | 10-2026-0096205 |
| Разрыв между требованиями и реализацией | Автоматическая структуризация требований миграции мультимодального легаси | 10-2026-0065894 |
| Отсутствие накопления контекста по организации | Автоматическая настройка операционного harness ИИ в мульти-тенантной SaaS-среде | 10-2026-0065895 |
Из 12 патентов оставшиеся 4 касаются архитектуры нашего сервиса и технологий разработки фреймворков AI-агентов с перцептивными возможностями, а также моделей.
Nextain — это не просто место, где собирают AI API для создания сервисов. Мы параллельно ведём инженерное исследование «структурных проблем», присущих процессу совместного создания ПО людьми и ИИ, сочетая его с исследованием механизмов восприятия и памяти, свойственных ИИ.
Naia — это не просто AI VTuber и не инструмент, который просто набирает код вместо вас. Это сущность, чьим инструкциям можно доверять, которая помнит напряжённые размышления вчерашнего дня, точно принимает решения и разделяет ответственность за SDLC рядом с вами. Настоящий AI-коллега — эффективный и работающий так, что это не так мучительно.
