Googleov vodič za agentske petlje: testovi i stanje van modela važniji su od dugog prompta
Novi tehnički vodič Google Clouda predlaže da se dugotrajni AI zadaci grade oko Git kontrolnih tačaka, testova, ograničenja troška i jedne ciljane popravke, umesto neograničenog ponavljanja.

Od prompta ka sistemu
Google Cloud je objavio tehnički vodič koji pomera fokus sa pojedinačnog prompta na konstrukciju celog okvira oko modela. Autor tvrdi da je usko grlo sve češće način upravljanja zadacima, proverama i stanjem, a ne samo sposobnost izabranog modela. Tekst zato razlikuje pet nivoa rada.
Najjednostavniji nivo je pitanje koje može da obradi asistent. Slede ideja ili mali zadatak, zatim veća korisnička priča, skup povezanih funkcija i, na kraju, stalni sistem. Vodič se poziva na procenu da je početkom 2026. agentsko programiranje bilo prisutno u više od 128.000 aktivnih GitHub repozitorijuma.
Stanje mora da živi van modela
Jedan opisani pristup koristi petlju koja pri svakom prolazu ponovo pokreće agenta bez starog konteksta. Takav rad je moguć samo ako trajno stanje nije zaključano u razgovoru: čuvaju ga Git istorija, datoteke sa napretkom i testovi. Time se sesija može nastaviti posle prekida, ali se povećava važnost jasne dokumentacije.
Vodič upozorava da verovatnoća uspeha opada kada mnogo koraka mora da prođe bez provere. U ilustrativnom računu, korak sa 95 odsto osnovne pouzdanosti, uz jednu nezavisnu proveru i jednu ciljanu popravku iste pouzdanosti, dostiže 99,75 odsto. Autor naglašava da to nije univerzalan benchmark, već model za planiranje.
Kontrolne tačke i testovi pre rada
Predloženi okvir počinje Git kontrolnim tačkama, automatskim testovima i kompajlerima. Kriterijumi prihvatanja i testovi treba da postoje pre implementacije, kako agent ne bi sam definisao šta znači uspeh. Posebno pravilo kaže da prolaz ne sme da se ostvari brisanjem ili slabljenjem testa koji je otkrio grešku.
Za osobine koje se ne mogu proveriti deterministički vodič predlaže jednostavne evaluacije sa odgovorom da ili ne, a po potrebi i model iz druge porodice kao recenzenta. Uz to dolaze ograničenje broja poteza i plafon tokena ili troška, kako pogrešna petlja ne bi neograničeno trošila vreme i budžet.
Okvir treba da preživi promenu modela
Autor smatra da trajnija vrednost nije određena verzija modela, već proces: instrukcije koje se učitavaju pri svakom pokretanju, alati koji se uključuju samo kada su potrebni, izolovano okruženje, testovi i unakrsna recenzija. Kada se otkrije greška, popravlja se i okvir — novim testom ili dopunjenim pravilom.
Google navodi da isti fajlovi mogu da prate repozitorijum kroz Antigravity 2.0, komandnu liniju i dodatke za VS Code, JetBrains ili Cursor. To ne uklanja potrebu za nadzorom. Naprotiv, preporuka je da se veliki problem deli na kratke, merljive zadatke, sa zasebnom proverom podagenata i završnim kriterijumima prihvatanja. Vodič takođe ograničava smisao automatizacije: kratko pitanje ne zahteva punog agenta, dok stalni sistem nosi najveći rizik i traži instrumente za praćenje. Preporučena jedna ciljana popravka namerno izbegava beskonačno ponavljanje. Ako spoljna provera i dalje ne prolazi, sistem treba da se zaustavi i zatraži intervenciju, umesto da nastavlja da menja kod bez jasnog dokaza uspeha.
Izvori
Podeli vest
Pošaljite ovu vest prijateljima. Link prikazuje naslov i fotografiju članka.
Komentari
Prikaz odobrenih komentara je dostupan. Slanje novih komentara biće uključeno kada se završe zaštita od zloupotreba i urednička moderacija.





Učitavanje komentara...