Prehĺbenie cez LLM

Fázu prehĺbenia v kontext init zvyčajne riadi agent, s ktorým pracuješ. Autopilot spúšťa tie isté úlohy cez akýkoľvek LLM, ktorý nakonfiguruješ ako adaptér s operáciou llm. Hodí sa na prvý prechod veľkým repozitárom.

kontext adapters add llm-claude              # or llm-codex, llm-ollama, or your own
kontext init --deepen --llm llm-claude --jobs 3 --max 20

[5/5] deepen   … 1/47 done, running up to 20 task(s) with 'llm-claude' (3 at a time)
  [1/20] mod:libs-schemas ✓ (32.0s)
  [2/20] mod:apps-runner ✓ (41.3s)
  …
      deepen   partial ✓ 20 · ✗ 0 · progress 21/47

Voľba	Predvolene	Význam
--llm	init.llm	adaptér, ktorý sa použije
--jobs	2	úlohy paralelne
--max	50	úlohy v tomto behu

Nastav predvolenú hodnotu v konfigurácii a --llm môžeš vynechať:

[init]
llm = "llm-claude"

Čo model dostane

Každú úlohu tak, ako by ju videl agent, plus priložené zdroje (najviac init.task_inline_chars, 24000 znakov): dokumenty a kľúčové súbory modulu alebo git show --stat commitov v zhluku rozhodnutí. Súbory s tajnými údajmi sa nikdy nepriložia a priložený text sa zamaskuje. Model musí odpovedať jedným JSON objektom v rovnakom tvare ako ctx_init_submit:

{
  "summary": "One line: what the module is for",
  "overview": "5–15 lines of Markdown",
  "decisions": [{ "title": "…", "decision": "…", "context": "…", "alternatives": "…", "consequences": "…", "paths": ["…"], "commits": ["abc1234"] }],
  "learnings": [{ "title": "…", "body": "…", "paths": ["…"] }]
}

Text alebo code fence okolo JSON sa toleruje. Zlyhané úlohy sa nahlásia a zostanú čakať.

Výsledkom je odpoveď: model dostane pokyn nevolať nástroje a presety držia vlastný MCP server kontextu mimo volania (-c mcp_servers.kontext.enabled=false pre Codex, --strict-mcp-config pre Claude Code). Keď je kontext pripojený k tvojmu klientovi, model by inak úlohu zapísal sám cez ctx_init_submit a druhýkrát cez odpoveď. Kým beh trvá, ctx_init_submit z akéhokoľvek iného procesu jeho úlohy odmietne a opakovane odovzdaná úloha nahradí vlastné skoršie záznamy namiesto pridávania kópií.

Modely

Preset	Spúšťa	Premenná
llm-claude	claude -p --strict-mcp-config --tools "" --no-session-persistence --system-prompt … --model <model> --effort <effort>, bez ANTHROPIC_API_KEY / ANTHROPIC_AUTH_TOKEN	model (predvolene sonnet; claude-opus-5-5 pre Opus, haiku je lacnejší), effort (low … max, predvolene high)
llm-codex	codex exec --sandbox read-only --ephemeral -c mcp_servers.kontext.enabled=false, poslednú správu číta zo súboru	–
llm-ollama	POST /api/generate na $OLLAMA_HOST	model (predvolene qwen2.5-coder:14b)

kontext adapters add llm-claude --force --var model=claude-opus-5-5 --var effort=high

Presety sa pri pridaní skopírujú do tvojho configu; po aktualizácii ich obnov cez --force (aj s tvojimi --var).

llm-claude beží na subscription účtu, do ktorého je claude prihlásený. API kľúče z prostredia sa pre tieto volania zahodia, takže sa nič neúčtuje na API účet. Modelu nedá žiadne nástroje, MCP servery a len krátky systémový prompt: úloha tak stojí desatinu toho, čo by k nej pridal plný prompt Claude Code, na čom pri limitoch subscription záleží. Volania sa neukladajú ako sessions Claude Code, takže sa neobjavia v claude --resume ani v kontext distill.

Kvalita

• Pred commitom si pozri diff. Autopilot zapisuje len do pracovného stromu.
• Najprv spusti pár úloh (--max 3) a prečítaj ich; ak sú zhrnutia plytké, uprav init.task_max_files alebo init.task_inline_chars.
• Najpozornejšie kontroluj úlohy rozhodnutí: zámer odvodzujú zo správ commitov.
• Kombinovať je v poriadku: nechaj autopilota zhrnúť moduly a úlohy dec: nech urobí tvoj agent s plným prístupom k nástrojom.