Dvanásť agentov, zmeraných

Zoznam dvanástich špecializovaných agentov, zmeraný oproti prahu využitia, ktorý tento web pre neho zverejnil. Dvaja špecialisti tvoria tri štvrtiny prevádzky, polovica zoznamu je pod prahom a stĺpec s výsledkom sa nakoniec ukáže ako literál v hooku.

Pred dvoma týždňami tento web zverejnil dizajnovú poznámku o rozdelení jedného agenta na dvanásť špecialistov. Končila sekciou o tom, kedy nerozdeľovať, a prvým signálom v nej bol prah využitia:

Menej než hŕstka úloh za mesiac. Špecialista, ktorý beží zriedka, je definičný súbor, ktorý zastaráva — jeho nástroje sa menia, pravidlá jeho domény sa odkláňajú a nikto si to nevšimne, pretože nič ho nepreveruje. Keď napokon beží, beží na predpokladoch spred mesiacov.

To bolo napísané z dizajnu, nie z dát. Teraz už dáta existujú. Denník delegovania sa automaticky zapisuje od 2. augusta, jeden riadok na delegovanie. Toto je ten istý zoznam zmeraný oproti jeho vlastnému kritériu.

Okno: 2. – 27. august 2026, 26 dní. 161 delegovaní, každé zapísané hookom [measured].

Nástroj a to, čo nevidí

Hook sa spustí po tom, čo sa delegovanie vráti, a pripojí jeden riadok. Ignoruje generické typy agentov a zapisuje iba pre dvanásť pomenovaných špecialistov. O tom, ako treba čítať každé číslo nižšie, rozhodujú tri vlastnosti.

Nula znamená nula delegovaní, nie nula práce. Čokoľvek, čo orchestrátor vybaví priamo, nezanechá žiadny riadok. Toto meria smerovaciu vrstvu, nie pracovné zaťaženie.

Hook skladá každé pole zo vstupu volania. Číta požadovaného špecialistu a popis úlohy; nikdy sa nepozerá na to, čo prišlo späť.

Je zámerne navrhnutý ako tichý pri zlyhaní. Obslužný blok výnimky je holé pass a zapisovač sa volá so zachyteným výstupom a neskontrolovaným návratovým kódom — takže riadok, ktorý sa mu nepodarilo zapísať, a riadok, ktorý zapísal pre beh, ktorý nič nevyprodukoval, sú vo vlastnom výstupe rovnako neviditeľné.

Rozloženie

Trinásť názvov nižšie sú role, nie produkty: každý je jeden špecializovaný agent s vlastnými nástrojmi a vlastným zoznamom práce, ktorú musí odmietnuť. Jedno označenie sa medzi oboma článkami zmenilo — to, čo skoršia dizajnová poznámka nazývala operations, je tu riadok e-commerce. Zoznam sa nezmenil, zmenilo sa označenie.

Jedenásť z 26 dní v tomto okne nenesie žiadny riadok pre žiadneho špecialistu [measured]. To je čestný menovateľ: systém v tie dni vôbec nedelegoval.

Dvaja špecialisti sú tri štvrtiny prevádzky

Research a content spolu tvoria 119 zo 161 delegovaní — 73,9 % [derived]. Štyria najnižší agenti — sales, real estate, HR a legal — dostali medzi sebou 3, čo je 1,9 % okna [derived].

Oproti zverejnenému prahu, čítanému ako päť za mesiac: 26 dní je 0,87 z 30-dňového mesiaca, takže ekvivalent v rámci okna je 4,3 delegovania [derived]. Šesť z dvanástich agentov je pod ním — finance a strategy na 4, real estate na 2, sales na 1, HR a legal na 0. To je presne polovica zoznamu.

K tomuto verdiktu patria dve výhrady, obe idú proti nemu.

Medián závisí od toho, ktorý zoznam použijete. Naprieč trinástimi názvami, ktoré počítadlo sleduje, je medián 4 — pod hranicou. Naprieč dvanástimi, ktoré sú skutočne agentmi, je to 5,5 [derived] — nad ňou. Rozdiel medzi týmito dvomi číslami nie je zaokrúhľovanie. Je to nesúlad zoznamov opísaný nižšie a je to zaujímavejšie z tých dvoch zistení.

Prah je slovo, nie číslo. Dizajnová poznámka hovorila hŕstka a nikdy neuviedla číslo. Čítané ako päť, šesť z dvanástich je pod ním. Čítané ako štyri, sú to štyria. Verdikt takto citlivý na spôsob čítania je argument v prospech toho, aby sa číslo zapísalo hneď prvýkrát, nie v prospech dôvery voči ktorémukoľvek z počtov.

Stĺpec súčtov skrýva tvar

Content vedie tabuľku podľa agenta a je aktívny 2 dni [measured]. Päťdesiatdva z jeho 55 riadkov je jedna úloha v jeden deň; ostatné tri sú tri kolá jednej porady, v iný deň.

Research je opak: 64 delegovaní naprieč 13 z 15 dní, v ktorých denník zaznamenal čokoľvek — jediný špecialista v zozname, ktorý sa správa ako zvyk, nie ako udalosť.

Čítaný samostatne, stĺpec súčtov hovorí, že sú tam dvaja ťažní kone. Stĺpec dní hovorí, že je tam jeden ťažný kôň a jeden stroj, ktorý bol zapnutý dvakrát.

Stĺpec výsledku je konštanta

161 zo 161 automatických riadkov hovorí DONE. 161 zo 161 hovorí quality TBD [measured]. Jediný riadok v celom denníku, ktorý zaznamenáva zlyhanie, je jeden z dvoch zapísaných ručne v júni, predtým než hook existoval.

To nie je 100% miera úspešnosti. Je to stĺpec, ktorý nemôže obsahovať nič iné:

subprocess.run(
    [sys.executable, script, "-a", agent, "-t", task,
     "-o", "DONE", "-s", f"hook:{sid}", "-q", "TBD"],
    timeout=20, capture_output=True,
)

Obe hodnoty sú literály vo volaní. Hook beží po tom, čo sa nástroj vráti, takže DONE znamená delegovanie sa vrátilo — nie že výstup bol správny, úplný alebo použitý. Stĺpec odpovedá na otázku, ktorú už samotná existencia riadku zodpovedala.

Dá sa ukázať ako nepravdivý bez akéhokoľvek nového merania. Najrušnejší deň v tomto okne má svoj vlastný zverejnený post-mortem, a tento text zaznamenáva jedenásť behov, ktoré havarovali bez akéhokoľvek hlásenia, plus tri, ktoré hlásili dokončenie bez toho, aby zapísali súbor. Denník má pre ten deň 52 riadkov a každý jeden hovorí DONE. Aspoň desať z nich je nepravdivých [derived] a denník nemá žiadne pole, v ktorom by to mohlo kedy vyjsť najavo.

Stĺpec, ktorý má vždy tú istú hodnotu, je horší než chýbajúci. Chýbajúce pole vyvoláva otázku; konštantné pole na ňu odpovedá nesprávne. Rovnaký tvar ako kontrola, ktorá hlási nulu problémov — pravdivá ohľadom svojej vlastnej úzkej otázky, nepravdivá ohľadom tej, ktorá sa naozaj kladie.

Dva názvy sa nespustili ani raz a tretí to štrukturálne nemôže

Naprieč celým životom denníka — 163 riadkov od 20. júna — sa tri názvy nikdy neobjavili: HR, legal a rutina folder-mining [measured].

Rozsah dátumov nadhodnocuje dôkaz a nemal by sa citovať bez tejto medzery: hook začal až 2. augusta. 43 dní medzi prvými dvomi riadkami a tretím nie sú riedke dôkazy, sú to žiadne dôkazy. Oba ručne zapísané riadky sú z 20. júna, prvého dňa denníka, a tento postup sa už nikdy nezopakoval.

Prvé dve nuly sú skutoční špecialisti, ktorí boli smerovateľní a nespustili sa. Tretí je iný objekt. Zapisovač denníka akceptuje trinásť názvov; hook, ktorý ho napája, akceptuje dvanásť, a folder-mining medzi nimi nie je — je to schopnosť (skill), nie agent, a hook sa spúšťa iba pri delegovaní agenta. Žiadny automatický beh nemôže tento riadok vyprodukovať. Ručne zapísaný záznam by mohol, a dva také existovali, oba v ten istý deň v júni.

Trvalá nula, ktorá vyzerá presne ako nečinný špecialista, je z tých dvoch nákladnejšia, pretože register, ktorý ju uvádza, počíta danú schopnosť ako pokrytú.

Dva počty toho istého dňa sa líšia o jeden

Zverejnený post-mortem z 18. augusta hlási 53 spustených behov pre úlohu písania s 827 položkami — 45 v jej troch meraných veľkostných pásmach a "ostatných osem boli redistribučné behy."

Denník delegovania má pre tohto špecialistu v ten deň 52 riadkov: 5 blokov prvej vlny, 30 dávok štvrtinovej veľkosti, 10 rozdelení polovičnej veľkosti, 7 opakovaní [measured]. Tri veľkostné pásma sedia presne. Rozdiel je sedem opakovaní oproti ôsmim redistribúciám.

Ani jeden z počtov to nerozhodne. 53 z post-mortemu je 42 behov, ktoré hlásili svoju spotrebu, plus 11, ktoré havarovali bez hlásenia; 52 z denníka sú zápisy hooku. Oba sú odvodené zo strany delegovania namiesto rekonštrukcie z artefaktov, takže žiadny z nich nemá silnejšie tvrdenie, a chýbajúci beh nie je identifikovaný. Všimnite si tiež, že oba články používajú ledger pre odlišné objekty: tam znamená sledovač súborového systému, ktorý počítal dodané položky, tu znamená denník delegovania. Je to zaznamenané, nie zosúladené, pretože medzera jedného riadku vnútri 52-riadkového dňa je presne taká veľká, aká sa dá zaokrúhliť preč.

Čo toto nemeria

Nie pracovné zaťaženie — práca vybavená priamo nezanechá žiadnu stopu. Nie kvalitu — pole výsledku je konštanta. Nie správnosť smerovania — delegovanie k nesprávnemu špecialistovi sa zaznamená identicky ako k správnemu. Nie hodnotu — jedno delegovanie môže mať väčšiu hodnotu než šesťdesiat.

Čo nie je známe

Či boli dvaja nikdy nespustení špecialisti potrební a boli vynechaní, alebo skutočne nemali za 26 dní žiadnu prácu, nie je v tomto denníku a nedá sa z neho odvodiť. Odpoveď potrebuje druhý zdroj — úlohy vybavené priamo — ktorý sa nikde nezaznamenáva. Kým takýto zdroj neexistuje, nula tu je fakt o smerovaní, nie verdikt o doméne.

Z denníka samotného vyplývajú tri zmeny a žiadna z nich nevyžaduje ďalšie meranie: pole výsledku dostane skutočnú hodnotu, alebo sa zmaže; zoznam počítadla a zoznam hooku sa zosúladia na ten istý zoznam; a názov na nule naprieč dvomi po sebe idúcimi oknami dostane rozhodnutie namiesto ďalšieho prepočítavania.

Pozri tiež

twelve-agents-one-memory · the-output-cap-is-the-batch-size · zero-problems-found · a-rule-without-an-executor

[Dvanásť agentov, zmeraných](https://stillvalid.dev/sk/architecture/twelve-agents-measured) — stillvalid, SV-2435 (benchmark, verified 2026-08-28)