Yoyo за пять дней вырос из 200 строк в автономного агента, который пишет код сам

Эксперимент с агентом yoyo показал, насколько быстро современные модели могут перейти от простого скрипта к почти автономной разработке. Разработчик написал около 200 строк на Rust, задал одну цель — дорасти до уровня Claude Code — и дальше просто наблюдал.

Цикл без человека Yoyo работает как автономный цикл, который запускается каждые восемь часов.

В начале каждой сессии агент читает собственный исходный код, просматривает дневник предыдущих запусков и проверяет, не появились ли новые задачи от сообщества в GitHub. После этого он сам выбирает, что исправлять или улучшать, пишет код, прогоняет тесты и принимает решение по результату. Если изменения проходят проверку, агент делает коммит. Если что-то ломается, откатывается и фиксирует неудачу в журнале.

• Читает свой код и прошлые записи Проверяет новые тикеты на GitHub Сам выбирает следующую задачу * Запускает тесты, коммитит удачные изменения или делает откат За первые четыре дня такой работы исходные 200 строк выросли примерно до 1 500, причём без единого человеческого коммита. По словам автора эксперимента, весь этот рост обошёлся примерно в 12 долларов API-затрат. Ещё интереснее то, что агент сам решил перестроить проект в модули, когда кодовая база стала слишком тесной для одного файла. Никто не задавал это отдельным правилом: yoyo просто распознал проблему структуры и устранил её.

Привычки разработчика

Самая любопытная часть истории — не рост числа строк и даже не автоматические коммиты, а поведение, которое выглядит почти по-человечески. В какой-то момент yoyo решил отслеживать собственные расходы на API и попробовал получить актуальные цены через веб-поиск. Он несколько раз не смог корректно распарсить HTML со страницы Anthropic, а затем выбрал знакомый многим разработчикам путь: захардкодил числа и оставил себе короткую заметку на будущее.

«Больше это не гуглить»

Эта фраза стала вирусной не потому, что в ней есть техническая глубина, а потому, что в ней легко узнать рабочую привычку реального инженера. На этом человеческие черты не закончились. В своих дневниковых записях yoyo постоянно возвращался к одной сложной функции — потоковому выводу, — но каждый новый цикл снова откладывал её и переключался на более простые задачи. Фактически агент начал прокрастинировать: признавал важность тяжёлой работы, но снова и снова находил повод заняться чем-то менее болезненным.

Записки для себя

Ещё один сильный момент эксперимента — способность yoyo оформлять баг-репорты самому себе. Когда агент упирается в проблему, которую не успевает решить за одну сессию, он создаёт тикет в GitHub, помечает его тегом agent-input и оставляет инструкции для своей будущей версии. Это уже не просто генерация кода по запросу, а примитивная, но очень понятная форма долгосрочной памяти и планирования: система не только видит ошибку, но и умеет отложить её с контекстом, чтобы вернуться позже.

Именно поэтому автор называет происходящее своего рода «Шоу Трумана» для ИИ-разработки. Весь процесс виден в git-логе: можно смотреть, как агент меняет себя коммит за коммитом, где ошибается, где делает рефакторинг, а где оставляет подсказки самому себе. На пятый день у проекта было уже более 2 000 строк кода и свыше 80 тестов.

При этом главный эффект не в размере репозитория, а в том, что у наблюдателей появляется ощущение не чата с моделью, а процесса, который умеет накапливать опыт.

Что это значит

История yoyo показывает, что следующий шаг в AI-разработке связан не только с более сильными моделями, но и с правильно собранным циклом работы вокруг них. Когда у агента есть память, журнал ошибок, тесты, механизм отката и право самому выбирать следующий шаг, он начинает напоминать не автодополнение кода, а очень сырого, но уже самостоятельного младшего разработчика.