30秒ごとにハンドルを握る必要がある自動運転車を想像してください。それを「自律的」と呼びますか？いいえ。クルーズコントロールよりほんの少しマシなドライバー支援機能と呼ぶでしょう。
なぜコーディングは違うのでしょうか？
「AIコーディング」が20行のコードを書いて、あなたが修正するのを待つチャットボットを意味するというパラダイムを私たちは受け入れてきました。それは自動化ではありません。それはマイクロマネジメントです。
- ✕AIの中途半端なコードを修正する
- ✕構文エラーを手動で修正する
- ✕コンテキストを行ったり来たりコピー貼り付けする
- ✕すべての行を幻覚のためにレビューする
それは「人間-AIコラボレーション」ではありません。それはAIが仕事を果たせていないということです。
Oh My OpenAgent は、人間がスペルチェッカーではなくアーキテクトであるべきという前提に基づいて構築されています。
区別できないコード
エージェントが書いたコードは、シニアエンジニアが書いたコードと区別がつかないべきです。
「コミットが人間によるものかエージェントによるものかわかるなら、エージェントは失敗している。」
トークンコスト対生産性
私たちはトークン使用量を気にしません。私たちが気にするのはアウトプットです。トークンに5ドル費やしてエンジニアリング時間を1時間節約できれば、それは20倍のROIです。
- 複数の解決策を並列で探索するエージェント
- 人間の介入なしに作業を完了させる
- 徹底的な自己検証ループ
しかし...
重要な場所で効率性を最適化します。モデルを弱体化させるのではなく、以下によって：
- 定型タスクに安価なモデルを使用する
- 冗長な探索を避ける
- コンテキストのインテリジェントなキャッシング
- 十分である時点で正確に停止する
人間の認知負荷を最小化
人間は望みを伝えるだけで十分です。それ以外はすべてエージェントの仕事です。
「ulw」と言って離れればよい。
コードベースのコンテキストを分析
タスクをアトミックなステップに分解
実装を実行
要件に対して検証
変更をコミット
戦略的なコントロールが欲しい時。
Prometheus
インタビューを実施し、コンテキストを調査し、詳細なYAMLプランを生成します。
Atlas
プランを実行し、サブエージェントに委譲し、ウェーブを管理し、進捗を追跡します。
予測可能
同じ入力 = 一貫した出力。要求されない限り、ランダムな逸脱や創造的な自由はありません。
継続的
中断を耐え抜きます。リアルタイムで進捗を追跡します。セッション間でコンテキストを保持します。
委譲可能
明確な受け入れ基準。自己修正メカニズム。絶対に必要な時のみエスカレーション。
コアループ
↻ Minimum Intervention
知的なインタビューを通じて意図を抽出
バグになる前に曖昧さを捕捉
実行前にプランが完全であることを検証
人間のマイクロマネジメントなしに作業を調整
完了を強制、「終わりました」の嘘を防止
人間の決定なしに最適なモデルにルーティング
ユーザーをブロックせずに並列調査
仕事から学び、間違いを繰り返さない
私たちが構築する未来
「エージェントは目に見えないべきだ。電気のように、水道のように。」
「スイッチを入れる。電灯がつく。配電網のことなど考えない。」