Экосистема AI Vibe
Пекарня на Canvas вместо «тёмного терминала»: open-source тренажёр архитектуры агентов
Слайды, консоль в духе cyberpunk и интерактивная кухня на Canvas учат одному: как уложить RAG, guardrails, кэш контекста и несколько агентов в один пайплайн. Кому нужна не схема в PDF, а песочница под форк и локальные узлы, open-source игра Prompt Paws даёт карту станций, которую можно пересобрать под свои модели.
Что внутри: 60 FPS, zero-dependency и «cozy»-визуал
Prompt Paws: The Cozy AI Agent Cafe & Bakery, браузерная симуляция на HTML5 Canvas с целевыми 60 FPS, pastel/kawaii-оформлением и Robot-Cat Chefs. Движок без Unity: game.js, levels.js, audio.js, index.html, styles.css, ES6 и procedural Web Audio; старт: клон репозитория и index.html или npx serve .. Robina Mirbahar (Google Developer Experts) выложила проект в рамках Hacktoberfest Open-Source AI Challenge Week 2; игра на демо-странице, код в репозитории на GitHub.
Заявленный контраст с «dark cyberpunk terminal» про педагогику, а не скин: вместо защиты серверов «stress-free» кухня, где ошибки архитектуры бьют по репутации кафе, а не по дата-центрам. Сборку кода Mirbahar описывает через Antigravity и open agentic workflows; это её контекст, не обязательный стек читателя.
Архитектура LLM здесь в перетаскиваемых станциях и сменах, а не в одноразовом README. Для vibe coding это удобнее слайдов: слои видны в расстановке, а не в списке буллетов.
Guardrails: острый заказ и сито до «печи»
Слой input classifier и prompt-injection sanitizer показан станцией Guardrail Flour Sieve (guardrail_sieve). Заказы Spicy Prompt-Injection Jalapeño (jalapeno) без сита не проходят обычные «печи» и снимают Cafe Reputation Hearts: наглядная цена пропущенного guardrail без ролевого security-инцидента из продакшена.
В game.js есть ветка canStationProcessOrder для guardrail_sieve с комментарием про sanitization. Chef Whiskers играет роль «live static analysis» расстановки: evaluateKitchenArchitecture ругается, если в смене есть jalapeño-заказы, но нет guardrail_sieve. Для агентного дизайна это близко к линтеру архитектуры до запуска: фильтр стоит до дорогих узлов, а не постфактум.
Семь станций, кэш и смены: карта слоёв LLM
Учебные темы разнесены по станциям и семи Story Shifts (дни 1–7) в README: от routing и caching через guardrails, RAG, tools и reasoning к финалу с sous-chef bells.
Станция Context Cache Jar (cookie_cache) обрабатывает повторяющиеся запросы меню (поток cached, часть croissant-сценария). В README для станции указаны игровые эффекты 3× speed и +40% Star Coin bonus; в таблицах механика связана с prefix и context caching и учебными формулировками про экономию токенов (включая 95% как метафору в UI, не как независимый бенчмарк). Смысл для пайплайна агентов тот же, что в проде: не гонять полный system prompt на каждый однотипный запрос. В песочнице повторяющийся «заказ» ускоряется на станции кэша.
| Станция в игре | Слой (как у автора) |
|---|---|
| Flash Pastry Oven | Быстрая low-latency модель (в таблице: gemini-2.5-flash / Gemma 4) |
| Context Cache Jar | Prefix & context caching |
| Guardrail Flour Sieve | Input classifier & prompt-injection sanitizer |
| Vector Berry Patch | Vector search & fact grounding (anti-hallucination) |
| Tool-Call Boba Mixer | Deterministic Python sandbox & function calling |
| Deep-Think Soufflé Oven | Extended thinking / «System-2» |
| Subagent Sous-Chef Bell | Multi-agent parallel delegation |
Subagent Sous-Chef Bell (subagent_bell) в коде обслуживает заказы, кроме нефильтрованных jalapeño; в README описана Multi-Agent Parallel Delegation с ускорением соседних станций +35% to +65% и aura +45% Parallel Speed Aura на диаграмме. Это игровая оркестрация параллельных помощников, не спецификация конкретного фреймворка в продакшене.
Кнопка Auto-Chef Blueprint на демо подсказывает «оптимальную» раскладку пайплайна на смене; детали в docs/IMPLEMENTATION_PLAN.md и docs/WALKTHROUGH.md в репозитории.
Соло-workflow: форк, локальные узлы и честные пробелы
Переносимый паттерн для одного разработчика с агентами в цикле: не копировать визуал, а разнести роли по станциям (guard → cache → RAG → tools → reasoning → subagents) и добавить «линтер» расстановки до «открытия кафе». В образовательном блоке зовут форкнуть симуляцию под local open-weight узлы (Gemma 4 / Ollama); рабочий ru-якорь без выдуманного стека IDE: взять open-source sandbox, подставить свои модели и прогнать сценарии injection и кэша руками.
Целевая аудитория в оригинале: инженерные команды, буткемпы, DevRel; акцент на риске uncached system prompt и missing input guardrail в терминах стоимости токенов и security, без количественных кейсов из реальных инцидентов.
Перед форком: репозиторий заявлен open-source с «zero proprietary build steps», но файл LICENSE в ветке main на GitHub на дату проверки (14 октября 2026, UTC) не найден; конкретную SPDX-лицензию в README тогда тоже не указали. Перед коммерческим использованием смотрите актуальный статус в репозитории.
Источники
- Пост Robina Mirbahar на Dev.to: I Built a Cozy 60 FPS AI Agent Bakery Game… (дата публикации по ленте: 13 октября 2026, UTC).
- Демо: robinamirbahar.github.io/cozy-ai-agent-cafe-game.
- Код и README: github.com/RobinaMirbahar/cozy-ai-agent-cafe-game.
- Обогащение фактов по URL поста и README (доступ 14 октября 2026, UTC).