ရက်သတ္တပတ် 10 ပတ်အနက် 1 ပတ်မြောက်

The Internals of Coding Agents

Core ≈ 3 h 20 minဗီဒီယို 6 ခုစံသတ်မှတ်ချက် 4 ခု

အဓိက ဦးတည်ချက်LLM တစ်ခုရဲ့ အမှန်တကယ် အလုပ်လုပ်ပုံနဲ့ အောက်ခြေအဆင့်မှာ agent loop တစ်ခု ဘယ်လိုလည်ပတ်နေသလဲ ဆိုတာကို နားလည်စေရန်။ အဓိက tools တွေဖြစ်တဲ့ read, write, edit, bash တွေဆီ task တွေ ဘယ်လို ဖြတ်သန်းသွားသလဲ ဆိုတာနဲ့ production coding agents တွေမှာ system prompts တွေ၊ tool definitions တွေကို ဘယ်လို ဖွဲ့စည်းတည်ဆောက်ထားသလဲ ဆိုတာကို လေ့လာပါမယ်။

လက်တွေ့ တည်ဆောက်ရန်Tools 4 ခုနဲ့ logging အပြည့်အစုံပါတဲ့ lines 300–500 ရှိ terminal agent တစ်ခု တည်ဆောက်ရပါမယ်။

အဓိက လေ့လာစရာများ (Core)≈ 3 h 20 min

  • Video59 min
    Intro to Large Language Models
    Andrej Karpathy

    LLM အယူအဆ အခြေခံအတွက် အကောင်းဆုံးနဲ့ အကျစ်လျစ်ဆုံး ရှင်းလင်းချက်။ အချိန်ရရင်တော့ ပိုပြည့်စုံတဲ့ Deep Dive into LLMs like ChatGPT (3 h 31 min) ကို ကြည့်ပါ။

  • ဆောင်းပါး + CodeCode ဖတ်ချိန်အပါ ≈ 60 min
    How to Build an Agent
    Thorsten Ball

    မရှိမဖြစ် tool loop ပါဝင်တဲ့ coding agent အသေးစားလေးတစ်ခု။ ဒီအပတ်ရဲ့ build အတွက် နမူနာယူပြီး ရေးသားနိုင်ပါတယ်။

  • ဆောင်းပါး25 min
    Building Effective AI Agents
    Anthropic

    Workflows နဲ့ agents ကွာခြားပုံ၊ augmented-LLM loop အကြောင်းကို အတိအကျဆုံး ရေးသားထားတဲ့ စာတမ်း။ အောက်က Barry Zhang ရဲ့ talk ရဲ့ talk ဟာ ဒီစာတမ်းကို Videoနဲ့ ရှင်းပြထားတာ ဖြစ်ပါတယ်။

  • အင်ဂျင်နီယာ ဆောင်းပါး20 min
    Unrolling the Codex agent loop
    OpenAI

    Codex ရဲ့ agent loop ဖွဲ့စည်းပုံနဲ့ design tradeoffs တွေကို production အမြင်နဲ့ ရှင်းပြထားချက်။

  • Talk15 min
    How We Build Effective Agents
    Barry Zhang of Anthropic

    Agent ရဲ့ ကန့်သတ်ထားတဲ့ context အတွင်းကနေ loop အသေးဆုံး တည်ဆောက်ပုံ၊ tool အသုံးပြုပုံ၊ risk၊ verification နဲ့ debugging ပြုလုပ်ပုံများ။

Production Prompts နှင့် Tool Definitions

အကျဉ်းချုပ်တွေပဲ ဖတ်မနေဘဲ production မှာ တကယ်သုံးနေတဲ့ system prompts အစစ်တွေကို ဖတ်ကြည့်ပါ -

  • codex-rs/core

    OpenAI Codex CLI ဟာ open source ဖြစ်ပါတယ်။ gpt_5_2_prompt.md၊ gpt_5_codex_prompt.md စတဲ့ model prompts တွေနဲ့ codex-rs/prompts/templates/compact/ အောက်က compaction prompt တွေကို ဖတ်ကြည့်ပါ။

  • Gemini CLI

    Google ရဲ့ system prompt ကို packages/core/src/core/prompts.ts မှာ ဖတ်နိုင်ပြီး၊ MCP prompts တွေကို packages/core/src/prompts/ မှာ ကြည့်နိုင်ပါတယ်။

  • opencode

    အထက်က agent နှစ်ခုနဲ့ prompts တွေ၊ tool schemas တွေကို ယှဉ်ကြည့်လို့ရတဲ့ open-source coding agent ဖြစ်ပါတယ်။

  • Video1 h 06 min
    How Claude Code Works

    Prompt-driven architecture, tool calls, subagents, permissions နဲ့ evaluations တွေအကြောင်း လေ့လာနိုင်တဲ့ အကောင်းဆုံး workshop ဖြစ်ပါတယ်။

Optional Foundation (အခြေခံ ထပ်ဖြည့်ရန်)

  • Video27 min
    Transformers, the tech behind LLMs
    3Blue1Brown

    Attention mechanism ကို အရုပ်တွေနဲ့ အရှင်းဆုံး ပြထားတဲ့ Video။

  • Jay Alammar
    The Illustrated Transformer

    အထက်ပါ Video နဲ့ တွဲဖတ်ရမယ့် နာမည်ကျော် ဆောင်းပါး။

  • Video2 h 11 min
    How I use LLMs
    Andrej Karpathy

    Model အသုံးပြုပုံ လက်တွေ့၊ tools တွေနဲ့ အားနည်းချက်များ။

  • AI Engineering (Chip Huyen)

    Foundation models, evaluation နဲ့ application architecture အခန်းတွေကို ဖတ်ပါ။

ပိုလေ့လာချင်သူများအတွက် (Deeper Material)

  • Geoffrey Huntley
    How to build a coding agent: free workshop

    သီးခြား design တစ်မျိုးနဲ့ အစကနေ တည်ဆောက်ပြထားတဲ့ workshop။

  • mini-swe-agent

    SWE-bench Verified မှာ 74% ကျော် ရထားတဲ့ lines 100 သာရှိတဲ့ agent။ ကိုယ်တိုင် ရေးပြီးရင် ကိုယ့်Codeထဲ ဘာတွေ ပိုလျှံပြီး over-engineer ဖြစ်သွားလဲဆိုတာ ဒီ Code နဲ့ ယှဉ်ကြည့်ပါ။

  • PDF30 min
    A practical guide to building agents
    OpenAI
  • Video31 min
    Building Effective Agents with LangGraph
    LangChain

    Routing, parallelization, orchestrator-worker နဲ့ evaluator-optimizer patterns များ။

အပိုဆောင်း Video များ

လက်တွေ့ တည်ဆောက်ရန် (Build)

Lines 300 ကနေ 500 ကြားရှိမယ့် terminal coding agent တစ်ခုကို ရေးပါ။

  • Tools 4 ခု ထည့်ပေးပါ - list files၊ read a file၊ edit a file နဲ့ run a shell command။
  • Model response တိုင်း၊ tool call တိုင်း၊ ရလဒ်တွေ၊ token count နဲ့ ဘာကြောင့် ရပ်သွားလဲဆိုတဲ့ stop condition အားလုံးကို log အပြည့်အစုံ မှတ်တမ်းတင်ပါ။
  • Repo အသေးစားလေးထဲက task အသေး 3 ခုပေါ်မှာ စမ်းသပ်ပါ။ ပြီးရင် ဖြစ်လာတဲ့ error တိုင်းကို model error လား၊ context ကြောင့်လား၊ tool ကြောင့်လား ဒါမှမဟုတ် control-loop ချို့ယွင်းချက်လားဆိုပြီး ခွဲခြားမှတ်တမ်းတင်ပါ။
  • နောက်ဆုံးအနေနဲ့ production system prompt တစ်ခု (Codex သို့မဟုတ် Gemini CLI) ကို အစအဆုံးဖတ်ပြီး note ထုတ်ပါ - ဘယ်နေရာတွေက persona သတ်မှတ်ထားသလဲ၊ ဘယ်နေရာက safety စည်းကမ်းတွေလဲ၊ ဘယ်နေရာက tool ရွေးချယ်မှုဆိုင်ရာလဲ၊ ဘယ်နေရာက ရပ်တန့်ဖို့ (stop) ညွှန်ကြားချက်လဲ ဆိုတာကို ကိုယ့် prompt နဲ့ ယှဉ်ပြီး အနည်းဆုံး 10 နေရာ မှတ်ချက်ရေးပါ။

ပြီးစီးကြောင်း စစ်ဆေးရန် (Done When)

0/4