Jak uratować asystentów AI przed degradacją kontekstu dzięki frameworkowi GSD Core

Pierwsze 15 minut pracy z asystentem opartym na sieci neuronowej, takim jak Claude Code czy Cursor, zazwyczaj wygląda idealnie. Model błyskawicznie chwyta strukturę projektu, pisze czyste funkcje i starannie organizuje moduły w folderach. Mija pół godziny, sesja rozrasta się do kilkudziesięciu wiadomości i zaczyna dziać się coś dziwnego. Model gubi się we własnych zmianach, „zapomina" architekturę i zaczyna zapętlać się na tych samych błędach.

W inżynierii promptów zjawisko to nazywa się degradacją kontekstu (context rot). Gdy okno kontekstowe zapycha się logami debugowania, starymi wersjami kodu i przypadkowymi wiadomościami, jakość generacji spada. Projekt GSD Core powstał właśnie po to, by rozwiązać ten problem.

Idea projektu

Narzędzie to system meta-prompting do zarządzania kontekstem. Zamiast jednej długiej rozmowy, w której mieszają się dyskusje, wyszukiwania i generowanie plików, GSD Core organizuje rozwój poprzez łańcuch niezależnych sub-agentów.

Główna sesja z modelem pozostaje czysta. Cała ciężka praca — badanie repozytorium, planowanie i pisanie kodu — przenoszona jest do procesów w tle. Każdy sub-agent zaczyna z świeżym oknem kontekstowym o wielkości 200 000 tokenów, wykonuje konkretne odizolowane zadanie i zwraca do głównego przepływu jedynie skompresowane podsumowanie.

Framework jest dostosowany do popularnych narzędzi CLI i środowisk: Claude Code, Cursor, Copilot, Codex, Windsurf, Kimi CLI oraz OpenCode.

Pięcioetapowy cykl rozwoju

Cała praca w GSD Core opiera się na stałej pętli pięciu sekwencyjnych kroków:

1. Dyskusja. Ustalasz decyzje architektoniczne z asystentem przed stworzeniem planu. Zapobiega to sytuacjom, w których model zaczyna coś wymyślać w trakcie pisania kodu.
2. Plan. Sub-agent bada bazę kodu, dzieli zadanie na małe kroki i weryfikuje, czy wynikowy plan mieści się w oknie kontekstowym.
3. Wykonanie. Zadania uruchamiane są w równoległych falach. Każdy worker otrzymuje świeży kontekst, więc objętość wcześniej zgromadzonych logów nie ma wpływu na jakość kodu.
4. Weryfikacja. Agent przegląda napisane pliki, identyfikuje niespójności, sprawdza funkcjonalność i przygotowuje plan naprawczy przed zakończeniem etapu.
5. Wdrożenie. Narzędzie tworzy pull request w Git, archiwizuje ukończoną fazę i przechodzi do następnego kroku.

To podejście rozwiązuje też inny częsty problem — utratę pamięci przy restarcie sesji. Wszystkie decyzje, aktualne statusy i kontekst są zapisywane w plikach markdown STATE.md i CONTEXT.md bezpośrednio w korzeniu repozytorium. Jeśli terminal się zamknie lub przełączysz się między edytorami, cała historia zostaje zachowana.

Instalacja i podstawowe polecenia

Instalacja odbywa się za pomocą jednego polecenia konsolowego:

npx @opengsd/gsd-core@latest

Interaktywny kreator zapyta, którego środowiska wykonawczego używasz, i zaproponuje instalację frameworka globalnie lub lokalnie w katalogu projektu. Autorzy repozytorium proszą specifically o korzystanie z instalatora zamiast ręcznego kopiowania plików, aby uniknąć łamania kompatybilności agentów.

Po zakończeniu konfiguracji w Twoim środowisku pracy staną się dostępne wyspecjalizowane polecenia:

/gsd-new-project   # Для старта нового проекта с чистого листа
/gsd-onboard       # Для подключения фреймворка к существующему репозиторию

Polecenie onboard skanuje bazę kodu, automatycznie tworzy mapę projektu i generuje pliki stanu bazowego.

Jak to wygląda w praktyce

Przetestowałem narzędzie na małym projekcie. Główna wygoda ujawnia się podczas polowania na błędy. Normalnie czat od razu zaśmieca się logami konsoli i stack trace'ami, po czym asystent przestaje rozumieć kontekst. Dzięki separacji sub-agentów główna rozmowa pozostaje czysta, a zmiany wprowadzane są precyzyjnie. Historia zmian przechowywana jest bezpośrednio w Git, więc można bezpiecznie wrócić do dowolnego etapu.

Z drugiej strony, format wymaga dyscypliny. Jeśli jesteś przyzwyczajony do wrzucania zrzutów ekranu błędów do okna czatu i oczekiwania natychmiastowych poprawek, będziesz musiał się dostosować. Najpierw dyskusja, potem jasny plan, weryfikacja i dopiero wtedy commit. Ponadto uruchamianie wielu agentów w tle z oknami kontekstowymi 200 000 tokenów zauważalnie szybciej pochłania limity API.

Dla kogo jest to narzędzie

GSD Core będzie przydatny dla inżynierów, którzy używają asystentów AI do zadań większych niż lokalne refaktoryzowanie kilku funkcji. Jeśli Twoje sesje w Cursor czy Claude Code regularnie zamieniają się w chaos po pół godzinie pracy, rygorystyczne planowanie faz pomoże przywrócić stabilność modelu.