Una competenza di revisione e riparazione dell'intero codebase che distribuisce il lavoro su una scala di agenti a costo differenziato — e rifiuta di dichiarare concluso il lavoro se non coincide esattamente con lo SHA finale.
Ho trascorso l'ultimo periodo costruendo una competenza Codex che esamina un intero repository e corregge ciò che trova. La revisione è stata la parte facile. La parte difficile è stata impedirle di dirmi che aveva finito quando non era vero.
Tre cose hanno definito come è finita.
L'enumerazione non è un giudizio. Non pagare la stessa tariffa per entrambi.
Elencare i file tracciati, costruire un manifesto di copertura, eseguire un comando e restituire l'output — è lavoro burocratico. In un audit sull'intero repo è la maggior parte dei token e quasi nessuna parte del pensiero, e instrinarlo al modello di fascia alta è il modo più veloce che conosco per spendere soldi veri per generare un elenco di file.
Quindi la competenza divide il lavoro in una scala:
- ENUMERATE —
cheap. Elenca tutto ciò che esiste. File, moduli, copertura dei test, il diff rispetto a main, il manifesto di ciò che toccheremo. Nessuna opinione. Nessun giudizio. - REVIEW —
mid. Percorri il manifesto. Raggruppa i risultati. Per ciascun gruppo, redigi la patch minima e una giustificazione di un paragrafo che nomini la modalità di errore che previene. - JUDGE —
top tier only. Rileggi ogni patch proposta rispetto al codice che tocca. Autorizzala, respingila, o rimandala indietro per un altro passaggio di enumerazione. È qui che sbagliare è costoso, quindi è qui che il modello costoso si guadagna il suo mantenimento: percorsi di autorizzazione, concorrenza e cancellazione, sicurezza di transazioni e migrazioni, contratti che attraversano i file.
Il loop tratteggiato nel diagramma non è decorativo. Un rifiuto dal judge non termina l'esecuzione — rimanda il lavoro all'enumeratore con uno scope più stretto. repeat until the pass comes back clean è il contratto reale.
I sotto-agenti Codex condividono un filesystem.
Questa è stata la parte che mi ha sorpreso. Nessuna copia isolata. Nessuna fase di merge. Una scrittura da parte di qualsiasi agente è istantaneamente visibile a ogni altro agente — incluso il prossimo che viene generato.
Questo cambia il modo in cui devi progettare il workflow. Non ha senso avere tre revisori che cloni ciascuno il repo e producano il proprio diff; chi scrive per ultimo vince, e il lavoro degli altri semplicemente svanisce. Invece, la competenza tratta l'albero di lavoro come una singola lavagna condivisa: enumerate scrive il manifesto, review lo legge e aggiunge un file di patch per gruppo, judge legge le patch, applica quelle che autorizza, e riesegue la build. La fase di verifica è ciò che chiude il loop.
L'altra conseguenza: la competenza non può fidarsi dei propri indicatori di progresso. "Ho applicato 14 patch" non significa nulla se l'agente successivo le sovrascrive. Quindi, invece di fidarsi di contatori o flag "completed", la competenza condiziona il completamento all'unica cosa che effettivamente sopravvive: l'SHA finale esatto dell'albero di lavoro. Quando il judge dà l'ok, l'esecuzione registra quello SHA, e l'invocazione successiva verifica l'albero rispetto ad esso prima di riprendere. Se lo SHA non corrisponde a ciò che l'ultimo passaggio pulito ha lasciato, l'esecuzione ricomincia dall'enumerazione — non perché il lavoro fosse sbagliato, ma perché il substrato si è spostato sotto di esso.
I badge di stato non sono vibes. Sono lo SHA.
- READY FOR MERGE — lo SHA registrato corrisponde allo SHA attuale dell'albero, la build passa, e il judge ha autorizzato ogni patch.
- INCOMPLETE — il lavoro è stato applicato, ma o l'albero è cambiato rispetto all'ultimo passaggio pulito o il judge ha respinto uno o più gruppi e li ha rimandati indietro per la re-enumerazione.
- BLOCKED — il loop è stato eseguito e ha fallito; un gruppo che il judge continua a respingere, o una build che non diventa verde. Ci guarda un essere umano.
L'intero punto della scala era mantenere economico il livello economico, riservare il livello costoso ai punti in cui si guadagna il suo mantenimento, e lasciare che il verdetto venga da qualcosa su cui il filesystem non può mentire.