Платформа Lovable представила значительное обновление архитектуры — субагентов. Теперь основной AI-агент может делегировать задачи специализированным «помощникам», которые работают параллельно. Это решает одну из главных проблем вайбкодинга: медленное последовательное сканирование контекста в больших проектах.

Как это работает

Раньше Lovable, как и большинство AI-редакторов, обрабатывал запросы линейно: сначала искал файлы, потом анализировал зависимости, затем вносил правки. Теперь система умеет «размножаться» под конкретную задачу.

Когда вы просите внедрить сложную фичу, основной агент создает субагентов для разных подзадач:

• Один субагент изучает схему базы данных.
• Второй анализирует существующие API-роуты.
• Третий ищет паттерны аутентификации в других частях проекта.

Все находки синтезируются и передаются главному агенту для финальной реализации. Это не просто ускоряет процесс, но и позволяет AI лучше понимать структуру крупных кодовых баз с запутанными зависимостями.

Контекст и экосистема

Релиз субагентов дополняет недавно запущенную функцию Skills, которая позволяет сохранять переиспользуемые инструкции в формате Markdown. В связке эти инструменты превращают Lovable из простого чата с кодом в полноценную среду для автономной разработки.

Тайлер Бруно, анонсировавший обновление, отметил, что это логичный шаг в развитии их агентской архитектуры. Недавно в Lovable также добавили «vent tool» — инструмент, с помощью которого агент может сам сообщать о багах и узких местах в процессе работы.

Что это значит для вайбкодеров

Для тех, кто строит продукты на Lovable, это означает переход от микро-менеджмента правок к управлению высокоуровневыми задачами. Параллельная обработка контекста сокращает время ожидания и уменьшает количество ошибок, связанных с тем, что AI «забыл» заглянуть в нужный файл в другом конце репозитория. Пока Cursor и Windsurf фокусируются на индексации и предиктивном анализе, Lovable делает ставку на мультиагентную автономность.