🎯 О чём этот конспект: Разбор обновления платформы Continue.dev — функций Workflows и Continue CLI. Это инструменты для создания автономных AI-агентов, которые работают в фоновом режиме: исправляют баги, пишут тесты и создают Pull Requests (PR), пока вы занимаетесь архитектурой.

👤 Кому будет полезно: Вайбкодерам, разработчикам и DevOps-инженерам, которые хотят автоматизировать рутину (security patches, unit-тесты, документация) с помощью Open Source инструментов.

✨ Что получите: Пошаговый алгоритм настройки автономного агента, который сам сканирует ваш GitHub-репозиторий, вносит правки и готовит отчеты о проделанной работе.

1. Workflows: Переход от чата к непрерывной разработке

Контекст: Традиционные AI-ассистенты работают по принципу «запрос-ответ» в IDE. Новое расширение Workflows превращает AI в полноценного фонового сотрудника. Вместо того чтобы ждать вашей команды, агент может непрерывно мониторить репозиторий. Он способен самостоятельно находить небезопасные паттерны (например, использование eval или несанитизированные вводы), исправлять их и оформлять результат в виде PR с подробным описанием изменений.

Выгода: Полное избавление от рутинных задач по безопасности и поддержке кода. Агент работает 24/7, не требуя вашего присутствия в IDE.

Как применить:

• Шаг 1: Регистрация в Hub — Перейдите на Continue Dev Hub и создайте бесплатный аккаунт.
• Шаг 2: Подключение окружения — Вкладка Workflows потребует два ключа: доступ к вашему GitHub (через OAuth или Token) и API-ключ выбранной модели (например, DeepSeek или Claude).
• Шаг 3: Постановка задачи — В поле ввода на естественном языке опишите цель.

Пример промпта для безопасности:

Scan my repository for security vulnerabilities, specifically looking for unsafe patterns like 'eval()' or unsanitized inputs. Automatically fix them and create a Pull Request with a detailed summary of changes.

Результат: Агент просканирует файлы, применит правки и создаст Pull Request в GitHub с описанием уязвимостей, рекомендациями по тестированию и списком измененных файлов.

2. Автоматизация покрытия тестами через фоновых агентов

Контекст: Написание тестов — самая скучная часть разработки. С помощью Workflows можно настроить агента на анализ текущего покрытия (test coverage). Он находит «слепые зоны» (функции, роуты или модули, не покрытые тестами) и автоматически генерирует для них тестовые наборы, соответствующие стилистике вашего проекта.

Выгода: Поддержание актуальности тестовой базы без затрат времени разработчика. Код всегда остается "future-proof".

Как применить:

• Шаг 1: Выбор репозитория — В интерфейсе Workflows выберите нужный проект.
• Шаг 2: Запуск задачи на тесты — Используйте промпт для анализа покрытия.

Пример промпта для тестов:

Analyze the current test coverage in this repository. Identify any uncovered routes, functions, or modules, and automatically generate new tests to ensure full coverage. Follow the existing testing patterns in the project.

Результат: Агент создаст коммиты или PR с новыми файлами тестов, проверив их работоспособность в фоновом режиме.

3. Continue CLI: AI-агент прямо в терминале

Контекст: Для тех, кто предпочитает работать в консоли, Continue выпустили CLI-инструмент. Это модульный агент, который поддерживает многофайловое редактирование и визуализацию изменений (diffs) прямо в терминале. Он позволяет запускать кастомных агентов, настроенных через Hub, для выполнения локальных задач автоматизации.

Выгода: Возможность встроить AI-автоматизацию в свои скрипты или CI/CD пайплайны, используя мощь Claude 3.5 или GPT-4o.

Как применить:

• Шаг 1: Установка CLI — Используйте npm для глобальной установки:

npm install -g @continue/cli

• Шаг 2: Создание агента в Hub — Нажмите + в Hub, задайте имя (slug), выберите модель (например, Claude 3.5 Sonnet) и добавьте MCP-серверы (например, для доступа к актуальной документации).
• Шаг 3: Запуск в терминале — Скопируйте команду запуска созданного агента из Hub.

Пример команды запуска:

continue-cli run my-custom-agent "Generate 5 JavaScript utility functions for string manipulation, add tests for each, and save to utils.js"

Результат: Агент создаст файлы, пропишет логику, добавит тесты и выведет в терминал отчет о структуре созданного проекта.

4. Кастомизация через MCP и кастомные правила

Контекст: Мощь Continue заключается в модульности. Вы можете подключать MCP (Model Context Protocol) серверы, которые дают агенту дополнительные инструменты: доступ к Google Search, чтение локальных баз данных или специфическую документацию. Также можно задавать YAML-конфигурации для определения строгих правил поведения агента.

Выгода: Агент перестает быть "общим" и становится узкоспециализированным экспертом по вашему стеку.

Как применить:

• Шаг 1: Настройка MCP — В настройках агента в Hub добавьте URL или конфигурацию MCP-сервера (например, context-7 для получения свежей документации).
• Шаг 2: Определение правил (Rules) — В блоке YAML пропишите стандарты кодирования.

Пример конфигурации правил:

rules:
  - "Always use TypeScript for new files"
  - "Use Vitest for unit testing"
  - "Follow clean architecture principles: separate business logic from framework code"

Результат: Агент будет генерировать код, строго следуя вашим архитектурным стандартам и используя самые свежие данные из внешних источников через MCP.

FAQ

В: Чем Workflows отличается от обычного чата в Cursor или VS Code?

О: Обычный чат требует вашего активного участия и подтверждения каждой строки. Workflows работает автономно в облаке (или фоне), может обрабатывать весь репозиторий целиком и самостоятельно создавать PR, пока вы не в сети.

В: Безопасно ли давать доступ Continue к своему GitHub?

О: Continue — это Open Source проект. В режиме Workflows вы сами определяете уровень доступа. Вы можете использовать локальные модели через CLI для максимальной приватности или облачные модели через Hub для удобства.

В: Можно ли использовать бесплатные модели?

О: Да, вы можете подключить любую модель через API-ключ, включая бесплатные тиры или локальные модели через Ollama/LM Studio при использовании CLI.

В: Что такое MCP серверы в контексте Continue?

О: Это протокол, позволяющий AI-агенту использовать внешние инструменты. Например, MCP может дать агенту возможность искать информацию в интернете, читать ваши заметки в Notion или выполнять SQL-запросы к базе данных для анализа схемы.

В: Как проверить, что агент не «нагаллюцинировал» лишнего в PR?

О: Workflows предоставляет детальный Diff (разницу) всех изменений. Перед слиянием PR в основную ветку вы можете просмотреть каждый измененный символ в интерфейсе GitHub или через вкладку Diffs в Continue Hub.

Конспект создан на основе видео «Continue.dev Workflows & CLI: Continuous AI Agents» канала WorldofAI. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=cKKuFC-SSmc