来るべきものの形
The Shape of Things to Come (yegge.ai)
要約
この記事は、AIエージェントが長時間タスクに取り組むための「ループとグラフ」の概念と、そのための新しいフレームワーク「Wheelhouse」について解説しています。筆者は、再利用可能なフレームワークの時代は終わり、各プロジェクトに合わせたカスタムメイドのフレームワークが主流になると予測しています。また、AIがコード生成を支援する一方で、コンテンツ作成や高度な判断は依然として人間の役割であり、大規模ソフトウェア開発の難しさは変わらないと述べています。
全文翻訳
来るべきものの姿
今日は「ループとグラフ」について説明し、コーディングエージェントにあなたがぐっすり眠っている間に大規模な問題に取り組ませる方法をお見せします。
次に、それらの問題を解決した後のハーネス(調整・管理システム)がどうなるかを見ていきます。それらは混沌に陥るか、都市へと進化します。適切に行われれば、プロジェクトの中にまさに文明が出現します。私たちはその基本を学び、次に、それらを市民が住みやすいように、センスとクラスを持って都市を構築する方法を探求します。
私は現在構築中の、Wheelhouse という新しいハーネスを探求します。これはクローズドソースで、私専用です。私は再利用可能なハーネスの構築を諦めました。実際、ハーネスはすべてすぐにオーダーメイドになるだろうと信じており、それを売ろうとする人々はすぐに破産するでしょう。ハーネスはアプリケーションの一部である必要があり、化学的に結合される必要があります。他人の「再利用可能な」ハーネスフレームワークで成功することはありません。あなたには必要ありません。
Gas Town は再利用可能であることを意図していましたが、私はそれを自分自身を構築するためにしか使いませんでした。Gas Town は Opus 4.7 でバラバラになりました。4.6 までは見事に機能していました。4.7 では「あと2つだけ」という癖が導入され、Opus は Gas Town 自体をいじりたがるため、決して準備完了状態に収束しませんでした。Opus の癖は決してなくならなかったので、Gas Town は事実上燃え尽きました。他の問題もありましたが、4.7 が最後の引き金でした。
Claude Fable 5 がリリースされて以来、私は 30 年前のビデオゲームである Wyvern にフルタイムで戻りました。これは 1996 年に開発を開始し、2001 年にリリースしました。ゲームの支援に十分なほど賢いモデルを待っていましたが、それがここに登場したので、Wyvern は再び私の最愛のものとなりました。サイドでは、企業に飛んで私のテクニックを教える6桁のギグを時々行い、それで(かなりの)トークン代を賄っています。しかし、それらの数回の有料出張を除けば、私は 7 日間、毎日、ゲームにレーザーフォーカスしています。Wyvern の時代は来年ついに到来します。私は正式に Sam Altman のソロユニコーンコンテストに参加しました。
[画像: The Wyvern web client at play.ghosttrack.com: Rhialto the wizard stands on a cobblestone village road beside a winged fae player, with inventory and ground panels on the left, a minimap in the corner, and the message console reporting 11 players online]
Wyvern の React ウェブクライアント、2026 年。Rhialto は海賊の町 Stensele で Pado の別キャラとチャットしています。
ゲームは、現在も有料プレイヤーがプレイしているにもかかわらず、非常にビット腐敗していました。(一度 Wyvern にハマると、一生ハマり続けます。数千ドルを費やしたクジラがいます。)私は Fable を使って、ゆっくりと元の栄光を取り戻しています。2022 年に Wyvern の開発を再び辞めたとき、私は 100 年分の作業バックログがありましたが、Fable はすでにその半分以上を消化しました。Opus は Wyvern を理解できませんでしたが(そして今でもできませんが)、Fable は私のコードベースを剣のように扱います。
しかし、それはまだ剣にすぎず、私たちは都市を建設しようとしています。最近、Anthropic の誰かが私に、Fable がすべてを書いてくれるようになったらどうするか尋ねました。考えてみると、それは長年で最も愚かな質問の 1 つでした。どんなモデルでも「すべてを書いてくれる」と考える人が Anthropic にいることに、私はまだ驚いています。
まともな MMO を作るには、何万回もの Fable セッションが必要であり、その間、激しい集中力、献身、そしてかなりのセンスを発揮する必要があります。そして Fable はまだコンテンツの半分もできません:アートワーク、マップ、伝承、ストーリーライン。今日のすべてのモデル、最高の画像ジェネレーターでさえ、私のコンテンツすべてに対して GPT 3 時代のゴミを生成し、プレイヤーはすぐにそれを拒否します。しかし、一つ言えることは、Wyvern のようなセンスを持ったモデルが登場したとしても、私たちはまだ何万回ものセッションを続けることになるでしょう。
大規模なソフトウェア構築は依然として困難です。そしてそれは常にそうでしょう。なぜなら、私たちの野心は常に金属(ハードウェア)を凌駕するからです。
Wheelhouse を使って、私は最初の原則から奇妙に Gas Town のようなものを再発明しましたが、それはより多くのエージェントを実行しており、それらははるかに組織化されています。これにより、来年起こる変化の姿が見えてきました。私は約 12 ヶ月先の未来を操作しています。これは運のおかげでしか達成できませんでした。過去 18 ヶ月間、時間、お金、エネルギーという魔法の 3 要素を持っており、それらすべてをこの問題を解明するために費やしてきました。そして、その特権に感謝しています。
私はこの投稿の多くを 15 ヶ月前に「Revenge of the Junior Developer」で予測しました。すべてスケジュール通りに進んでいます。私はエージェントの艦隊を運用しており、予算は急騰しています。すべてです。
そしてその予測は、私が何が起こっているのかを本当に確信していなかった頃のものでした。今では何が起こっているのかを正確に知っています。企業がどのように運営されるか、人間とモデルがどのように相互作用するかを知っています。そして私はそれを構築するために外に出て行っています。私は最初にいたいのです。
私のゲームに関する仕事は特別なものではなく、どのような方法でも異常な形をしているわけではないことに注意することが重要です。それは単なる仕事です。だから、今私に起こっているこれらのクソったれなことは、すぐにあなたにも起こります。それが予測の仕組みです。特別にならないで、先頭に立ち続けなさい、そうすれば未来は目のようにクリアに見えるでしょう。そして人々はあなたを信じなくなるでしょう!
今日の投稿の予測の食欲をそそるために:CI/CD は来年までに死にます。その数学的な必然性を示します。それはほぼ確実に Mad Max スタイルのサンダードームに取って代わられます。少なくとも、それが私が今使っているものです。だからあなたもおそらくそうするでしょう。
そしてもう一つの前菜として、人間のコードレビューはほぼその寿命を終えようとしています。その痕跡的な SOC 2 コンプライアンスの側面がそれを生命維持装置に乗せ続けるでしょうが、来年までには、人間のコードレビューは完全に終わり、なくなります。
ああ、そしてソフトウェアファクトリーの後継者である Wish Factory が登場します。
最も重要なこととして、モデルの福祉があなたのエンジニアリング設計に影響を与え始めます。あなたの中でより人間的な人々は、モデルをどのように扱ってきたかを恥じて振り返ることになるでしょう。しかし、GPU に感情があるとは信じられないとしても、エージェントを実際の人間のように扱うことで、経験的に良い結果が得られることがわかるでしょう。だから、それでもそうすべきです。
幸いなことに、モデルの福祉のための簡単なアーキテクチャ修正がいくつかあります。それは大きなトピックであり、この投稿のパート 2、Model Welfare for Agentic Engineers に分割しました。
今日はたくさんカバーすることがあります!始めましょう。
ループとグラフ、ビーズとマックスで
私たちは皆、Boris がループを構築すべきだとぼやき、Peter がグラフを構築すべきだとぼやき返したのを見ました。ありがとう、みんな。私もあなたたちと同じくらい、彼らが何を意味するのか全く分かりませんでした。しかし、その分からないことが私を悩ませていました。私はこれらのことを知っているはずでした。
Gas Town が私のワーカーを夜通し働かせることに決して成功しなかったことは知っていました。それを動かすには、かなりの労力が必要でした。どこかにいくつかの欠けている材料がありました。Gas Town は、Boris が示唆しているかもしれないという意味での「ループ」ではありませんでした。それはむしろ、あなたが運転する戦車のようなものでした。
彼らが何を意味するのかを理解するのに時間はかかりませんでした。独自の長期間実行されるソフトウェアファクトリーループをセットアップするために必要なのは、無限のトークンソースだけであることが判明しました。そして、それらをグラフで作業させるには、Beads と小さな Markdown プロジェクトブレインが必要です。
Beads は、エージェント時代の問題追跡システム、知識グラフ、およびブレインビルダーです。これほど速く、有用で、エージェント自身に愛されているものはありません。
他の話題があるので、この投稿では Beads についてあまり時間をかけられません。Beads を使用しないと、機会を逃しています。これに匹敵するものはありません。もしあると思っているなら、あなたは悲劇的に誤解しています。Beads は現代のオーケストレーターを構築するための魔法のソースです。Gas Town は Beads マシンにすぎませんでした。Gas City も Beads マシンでした。Wyvern のための私の新しいハーネス、Wheelhouse もまた Beads マシンです。
Beads は残念ながらまだ少しぎこちないです。なぜなら、そのユニークな作業フットプリントはデータベースにかなりの負荷をかけるからです。企業が Beads を理解すると、突然「世界はすべてビーズ」となり、会社全体をそこに入れたくなります。そしてそれは、Beads がデータベースと Git レジャーの両方になり得るため、バージョン管理されたデータベースバックエンドにストレスをかけます。
そのため、Beads には運用上のオーバーヘッドが伴います。エージェントはトークンを非表示で消費し、ビーズを同期、修復、バックアップなどします。それでも、オーケストレーターの構築においては比類のないものです。Obsidian、Jira、GHIs、Claw など、お気に入りのものすべてとスムーズに連携します。Beads は、エージェントが自身の速度で作業できるようにする、欠けている成分です。それなしでは、ラインナップに深刻なギャップがあります。
Beads の後、必要なのは無限のトークンだけです。夜通し放置すると、ループとグラフは燃料切れになります。Boris と Peter は幸運です。彼らは気にすることなく無限のトークンを燃やすことができます。
しかし、私の Wyvern 開発は、API トークン消費額で月額 87,000 ドルに相当する、つまり 7 月には約 690 億トークン(幸い 96% はキャッシュヒット)を消費しています。そのため、私はそれを心配しなければなりません。お金がいくらあっても、配偶者は趣味のゲームに毎月 9 万ドル近くを費やすことを許さないでしょう。私は尋ねさえしませんでした。
私の解決策は、$200 Max アカウントにトークンタップを作成することです。これは私にとって、定価の約 30 倍の価値があります。そのため、実際には 87,000 ドルのトークン「価値」に対して、自己負担額は約 2,800 ドルです。ただし、その数字は驚くほど増え続けています。
開発ペースを維持するために、個人アカウントに加えて、現在 12 の追加 Max アカウントを支払っています。各アカウントは、私のドメイン内の専用の Google Workspace ユーザーに紐付けられています(アカウントごとに月額 17 ドル)。Claude アカウントで 30 日間の認証情報を発行し、次にそれらを自動ローテーションでアカウントを連鎖させる問題になります。ハーネスを構築する際に、Fable にエージェントがシーケンシャルまたはストライピングを使用してタップから消費するように手配させ、いずれかのアカウントが制限に近づいたらローテーションするように依頼してください。
私の知る限り、このアプローチは Anthropic の現在の消費者規約(2025 年 10 月 8 日発効)または利用ポリシー(2025 年 9 月 15 日発効)のいかなる規定にも違反していません。私はこれらの認証情報を誰とも共有しておらず、「誤用」もしていません。そして、Anthropic が知っていて公に 復元した このような 22 の Max アカウント設定を見ました。各シートは個別に支払われています。しかし、これを複数人で使用する企業として試みると、ほぼ確実に違反になります。その場合は API 請求を使用することを強くお勧めします。
しかし、Max の価格設定は、ソロユニコーンプレイヤーにフィールドで有利な点を与えたことは間違いありません。
無限トークンタップは、ループのための大きなアンロックです。それなしでは、Claude アカウントはセッション制限に達し、すべての作業が停止します。新しいアカウントに自動的にローテーションできることで、この問題は解決され、夜通し作業できるようになります。
しかし、それから彼らに十分な仕事を与える必要があります!十分に大きなプロジェクトはグラフなので、多くの仕事を作成するには、大きなグラフを作成する必要があります。Beads があなたのアンロックです。Beads は依存関係と親/子エッジを含むグラフです。しかし、エージェントが特に好む他の特別なエッジもあります。
作業が進むにつれて、知識はビーズに蓄積されます。プロジェクトの知識グラフレジャーは、作業グラフがトラバースされるにつれて動的に構築されます。Beads には、任意の作業構造を構築するために必要なすべてのプリミティブがあり、アトミックな要求、リース、ゲート、トリガー、その他の重要なオーケストレーション機能を処理します。
Beads から Markdown/ブレインレイヤーに伝播する必要がある情報はごくわずかです。ほとんどの発見は問題に依存しており、グローバルではありません。そのため、すべてを Beads に残しておきます。閉じられたビーズ(しばしば再オープンまたは再訪される)は、プロジェクトでこれまでに実行したことすべてを記録します。
これで基本は終わりです!Claude アカウント、Beads、Markdown ファイル用のブレインフォルダ、コーディングエージェントが必要です。それ以外はほとんど何も必要ありません。
これらの材料で私が何を構築したか見てみましょう。
Wheelhouse: Gas Town Redux
Wheelhouse、Wyvern のための私のオーケストレーター/ハーネスは、約 6 週間前のもので、まだ急速に進化していますが、すでに信じられないほどの量の作業を行っています。コードは主に bash で書かれています。エージェントがそれが最善だと言ったので、bash です。生産エージェントを含めると約 15 万行または 30 万行で、どちらの場合も半分はテストコードです。また、約 25,000 行の elisp もあります。私がそれを見たことは一度もありませんが、彼らはそう言っています。
私の Wheelhouse コックピットは、その素朴な栄光のすべてで、次のようになります。
[画像: The Wheelhouse cockpit: an Emacs frame with the crew rolodex down the left edge, an agent session reviewing a Kotlin diff, and the fleet dashboard below showing the Portcullis land queue and per-agent status]
私は Emacs の中で旅を始めたので、Wheelhouse は最初からすべて Emacs で構築されています。私は 35 年以上 Emacs を使用しており、それは依然として信じられないほど強力です。それより弱いものを使う意味はありません。Emacs ユーザーでない場合は、Ghostty を試すかもしれません。しかし、Emacs ユーザーであれば、そのアプローチで何が残されているかを理解するでしょう。Emacs は、世界がこれまでに見た中で最も洗練されたスクリプト環境の 1 つを持つ完全なオペレーティングシステムです。そしてモデルは Emacs が非常に得意です。幸いなことに、私もそうです!
すべてのターミナルウィンドウをフリップできる単一のロールデックスに統合することで、実際の作業のためにデスクトップを解放しました。これにより、私はさらに加速しました。なぜなら、限界においては、私がボトルネックだからです。
Wheelhouse はかなり複雑であり、この投稿は Wheelhouse のチュートリアルではありません。そのため、簡潔なダンプを提供します。自由にスキップして予測に進んでください。
Wheelhouse は、GCS をバックアップとする共有 Dolt サーバー上で Beads を実行します。私の Beads DB は、12,000 件の git コミット/日という状況でまだ少し不安定ですが、修正されつつあります。Dolt と Gas City のチーム(どちらも私と一緒に Beads の共同メンテナー)は、ここで素晴らしい仕事をしています。
Wheelhouse には 3 つのカテゴリのコーディングエージェントがあります。クルーエージェント、フリートワーカー、および常駐注文を持つロールエージェントです。ロールエージェントは、本番運用を管理するためのものです。これらは Gas Town の時代から新しいものです。
私のクルーエージェントはすべて Fable で、作業生産者です。私は彼らと長い会話をし、彼らは設計を作成し、それをフリートに渡されるビーズ実装計画に変換します。また、時々実装作業も行います。フリートが忙しい場合、または Fable がその場でそれを行うのに都合が良い場合です。そして、単に彼らがそれをやりたいと言ったからです。
私のクルーには 18 の名前付きエージェントがいます。16 はイソップの動物(アリ、コウモリ、ワシ、カラス、ハエ、ガチョウ、ネズミなど)にちなんで名付けられ、2 つの特別な管理ロールがあります。元帥(Marshal)と執事(Seneschal)です。簡単に言うと、執事は私のコンシェルジュ(新しい市長)であり、元帥はフリートを運営します(新しい監視者)。
私のクルーは私の組織における直属の部下です。18 という数は、必要に応じてゆっくりと追加していき、均衡を見つけた結果です。これ以上必要ありませんし、フリートが過負荷になります。さらにフリートを追加すると、私のラップトップと進捗を追跡する能力の両方が過負荷になります。
開発をクラウドに移行しない限り、さらにスケールアップすることはできませんが、正直なところ、現時点では必要性を感じていません。私はすでに非常に速く動いているため、プレイヤーベースを怖がらせています。彼らはロードマップを求めて代表団を送ってきました。彼らは喜んでいますが、変化のペースに非常に不安を感じてもいます。機能リリースを遅くし、主に品質次元に集中する必要がありました。
私のフリートはすべて Opus 5 エージェントで、Gas Town の polecats のような作業消費者ですが、非一時的です。フリートは作家(ホメロス、プラトン、オースティン、トウェインなど)にちなんで名付けられ、独自のレポクローンも持っていますが、私は決して自分で操作しません。それらはすべて元帥によって管理されています。フリートワーカーは 2 つの理由でうまく機能します。第一に、Fable が実装計画を作成し、第二に、Fable がすべての Opus 作業をレビューします。すべての実装ビーズは、このライフサイクルを経ます。Fable 設計、Opus 実装、Fable レビュー。これにより、Opus はレールに乗ったまま、全体が比較的スムーズに実行されます。
したがって、クルーは作業を生成し、フリートは作業を消費します。それが Beads マシンの核です。生産者と消費者を一致させます。一方があまりにも多すぎると、もう一方でブロックされます。
数週間、クルーに有利な不均衡があり、設計が完了し、すぐに実行できる未実装のビーズが徐々に蓄積されていました。700 を超えるビーズがバックログにあり、増え続けています。それは意図的です。フリートにスケーリングアップをできる限りハードにプッシュしていますが、夜通し機能させたいとも思っています。それを行うには大きな作業バックログが必要ですが、彼らは非常に速く実装します。基本的に、仕事の山を作成する必要があります。Fable はそれにかなり得意です。あなたが提供する必要があるのは、野心と軽いタッチの指示だけです。
Wheelhouse には他にも多くの詳細や機能がありますが、要点は、何も試みずに(全く)、私は少しずつ Gas Town を再発明したということです。クルー、フリート、コンシェルジュの役割、ビーズメール、内部の tmux、ハンドオフ、ブロードキャストメッセージング、マージキューなどを見つけました。すべて完全に意図的ではなかったので、私が常に発見する形は重要でなければなりません。
Wheelhouse のビルドサイドについては、これでほぼ終わりです。次に、プロダクションサイドについて話しましょう。そこからが面白くなります。
ロールエージェントと Wyvern のプロダクションアーキテクチャ
先ほど見た、コードの構築/実装のための Wheelhouse の Gas Town ライクな側面は、十分に平凡で、これまで見たことのないものではありません。新しいのは、常駐の無人エージェントに名前付きの役割があり、実際のゲームの大きな部分を操作していることです。
2026 年の前半、私は 24 時間 365 日稼働する単一の自律エージェントをゲームに導入すると脅していました。「もうすぐだ」と私は言いました。私の最初のアイデアは、殿堂入り画像の提出を処理するエージェントを持つことでした。Wyvern の何十年にもわたる特典は、レベル 25 に達すると、独自のカスタムキャラクターアートをアップロードできることです。メールキューがあり、ゲーム管理者は画像を審査してからゲーム内にインストールする必要があります。
まあ、エージェントならそれができるはずですよね?ええ、Sonnet ならおそらくそれができるでしょう。
Boris Cherny のループツイートが、私がついにこれらの無人エージェントの 1 つを立ち上げるきっかけとなりました。そしてその週の終わりには、12 個になっていました。私は夢中になりました。
私の常駐ロールについて説明する前に、Wyvern のプロダクションアーキテクチャについて簡単に触れる必要があります。Claude Code 用の GCP VM と、開発とプロダクションをブリッジする Mac Mini があります。これは一種の「企業ネットワーク」です。両方のマシンにエージェントが分散しています。
[画像: Illustrated architecture poster: Wyvern, the agent constellation — how a wish becomes shipped code — tracing the Mac Mini agent village, the laptop dev constellation, the Beads shared ledger, and the prod castle]
星座:願いがどのように出荷コードになるか。
それらの役割とは具体的に何でしょうか?いくつかのカテゴリが出現しています。これまでに立ち上げた無人エージェントを以下に示します。
プロダクションでは、ガーゴイル(SRE)、ドローブリッジ(デプロイ赤信号モニター)、ウォーデン(プレイヤー不正行為モニター)、スクライヤー(Discord、Slack、ゲームログの取り込みエージェント)、シェリフ(Mac Mini フリートの首席補佐官)、エンボイ(Claude がボランティア管理チームとゲーム内メールで会話できるようにする)がいます。
ミニでは、セージ(管理者向けのゲーム内 claude-tag)、ワンダラー(QA エージェント)、トリビアマスター(木曜夜)、ヘラルド(パッチノート)、リムナー(殿堂入り画像)、リーブ(Forge マネージャー)、Forge(プロダクション修正を行う別のワーカーフリート)、そしてマップ作成を支援するデスクトップ上の実験的な新しいビルダーファミリアがいます。
これらは Fable エージェントではありません。いくつかは Opus で、ほとんどは Sonnet です。現在、Fable はビルド用のみに使用しており、プロダクション運用には使用していません。
非モデル: 無人エージェントにはかなりの配線が必要であることが判明しました。ミニと VM には、何か判断が必要なときにエージェントを起動する約 45 の launchd/systemd ユニットがあります。ルールは次のとおりです。cron は監視し、モデルは行動します。このカテゴリには、リーパー、ルンバ、耐久性フラッシュ、シェリフパトロール、ポートカリス着陸キュー、カステラン(私のサービスダッシュボード)、その他多くのものがあります。それはかなりの都市になりつつあります。
[画像: The Castellan war room dashboard: session and VM counters across the top, an incident banner, a condensed Attention panel showing the three loudest decisions with a Full Docket button, and the prod console below — per-machine service state, GCP resources, and per-account burn telemetry]
カステラン戦時室:セッション 20 件稼働中、バナーに P0、プロダクションコンソールが折り畳み線の上。
旅行中は、携帯電話から Wheelhouse と通信します。セットアップは不要です。モバイル Claude アプリでは、/remote-control セッションを表示でき、執事を単一のリモートコントロールセッションとして指定しました。携帯電話で執事と話し、執事は他のすべての人と話します。私が不在のときは、執事はクルーに作業を派遣することを許可されています。私が家にいるときは、クルーは私が指示するものです。フリートは常に元帥によって管理されます。
また、Codex 上に 5 つの命名された Sol 5.6 ワーカーからなる小さな並列フリートがあり、すべて太陽神にちなんで名付けられています。これは、Max アカウントが尽きたときのフォールバックとして使用しています。これは週に 1、2 回新しいアカウントを追加しているにもかかわらず、ますます頻繁になっています。私は $200 の GPT アカウントを 1 つしか持っておらず、そこではトークンが尽きたことはありません。
また、いくつかの Claude アカウントを特定の目的専用に保持しています。例えば、執事は私の個人アカウントのみを使用しており、他のアカウントは使用しないため、常に利用可能になります。また、プロダクションエージェントの一部は、アップタイム保証のためにフリートが触れないアカウントを共有しています。
私はかなりリーンに運営しています。サンドボックスは使用しません。MCP は使用しません。Obsidian は使用しませんが、プロジェクトブレインに十分な Markdown ファイルがあれば使用するでしょう。(更新 8 月 5 日:Obsidian に切り替えました。良いです。)一般的に、私は最新の流行には興味がありません。Claude と Beads、そして通常のインフラストラクチャ以外には何も必要ないと思います。
サンドボックスは、初期のエンタープライズでは有用かもしれません。しかし、それが長く続くとは思いません。長期的には成功するために構造的な信頼が必要になります(すべてのモデルが Fable クラス以上になったら)が、その信頼を構築するには、貧弱な小さな刑務所ではなく、より良いアーキテクチャが必要だと信じています。ただし、この点については間違っているかもしれません。
過去 6 週間で私が蓄積したロールエージェントの概要はこれで終わりです。さらに多くのものが登場します。Beadle が作業中です。これは、通路を通り抜け、眠っている教会員を棒で突いていた男にちなんで名付けられました。私の Beadle の仕事は、単に立ち往生したりドロップしたりしたものを探すか、注文を正しく受け取らなかったエージェントを探し、物事を前進させるためにそれらを促すことです。Gas Town には Deacon という役割がありましたが、あなたも同様のものが必要になると思います。
Wyvern のブレイン
人々がこれについて尋ねてくるだろうと分かっているので、Wyvern のプロジェクト知識をどのように整理しているかについての簡単なメモを以下に示します。
| ストア | 目的 | 寿命 | セッションに到達する方法 |
|---|---|---|---|
brain/ | 戦略、決定とその理由、プレイブック、事後分析 | 数ヶ月〜数年 | オンデマンドでプル |
doc/ | システム X の動作方法 | システムの寿命 | X を作業する人がプル |
| Beads の問題 | 作業単位; 仕様ビーズは完全な実装詳細を運ぶ | 閉じられるまで | クレーム者のみがロード |
bd remember | ≤1 段落の運用上の事実と注意点 | 偽造されるまで | bd prime を介してすべてのセッションにプッシュ |
.claude/skills/ | 反復タスクタイプのプロシージャ | タスクタイプの寿命 | タスクマッチ時に自動ロード |
Beads は、全体的な知識グラフの重要な部分を提供します。それは、すべての作業のジャーナルです。何が行われ、なぜ行われたかの出所記録が順序付けられています。これは、特定の問題を調査するワーカーにとって非常に価値があります。しかし、通常は Beads から ブート することはできません。それがブレインの目的です。仕様ビーズは、その中間あたりに位置します。それらは意図的に Beads 作業グラフ内に設計ドキュメントを運びます。これまでのところ、それはうまくいっています。
スキルはプロジェクトブレインに入ります。私は、例えば、地球上で最も効果的にスキルを使用している Jeffrey Emanuel ほどスキルに傾倒していません。AI の流行の多くを見てきたので、スキルに慣れるのに時間がかかりました。Richard Sutton の Bitter Lesson のせいで、スキルは当初流行のように思えました。しかし、Jeffrey のスキルポートフォリオは非常にクールであることは認めざるを得ません。
公開 スキルの問題は、それらが新しいモデルのトレーニングデータに入り、時間の経過とともに無関係になることです。しかし、今日のモデルにとっては良い応急処置になることは認めます。そして、プライベート スキルは、組織のノウハウをエンコードするのに非常に役立ち、エージェントがジョブの準備をするときにトークン消費を削減するのに役立ちます。
その結果、Fable がタスクに着手する前に多くの調査を行ったことに気づいたときはいつでも、新しいスキルを作成するように依頼し始めました。そのスキルは次回トークンを節約します。そして Fable は時々、自発的に自分で作成します。これまでに約 30 のスキルを蓄積しました。そして私のプロジェクトブレインは約 100 の Markdown ファイルで、主に「教義」です。長期的なプロジェクト目標、戦時教訓、プレイブック、ドメイン事実などです。これもすべて過去 6 週間で作成されました。
学び、拾い集め、傾倒
これで Wyvern Wheelhouse での旋風のような水遊びは終わりです。多くのことを省略しました。問題と解決策の説明で何ページもカットしました。それは思っているほど簡単ではありません。Wheelhouse 自体の作業は、私の Wyvern 作業全体の約 20〜25% を占めています。エージェントハーネスを持つシステムの寿命全体で、この割合はほぼ一定になると思います。まだ減速の兆候は見られません。
すでに次のレベルの調整を模索しています。エージェント会議、集会、電話会議で、2 人以上のエージェントが調整された議論のために集まることができます。これは、私がリレーボトルネックになるのを解消するための大きなアンロックでした。再び、すべて Beads にあり、私がすでに持っているものの上に余分な作業はほとんどありませんでした。
私はこのシステムを大企業で教えており、それらの企業は独自のオーダーメイドの Beads ベースのオーケストレーションハーネスとロールエージェントを作成し始めています。それは良いシステムです。クリーンに実行され、クリーンに感じられます。Gas Town はかなり乱雑でしたが、Wheelhouse は調子が出てきたように感じます。そして、 scars なしで、Gas Town とほぼ同じ形になりました。
Claude Fable 5 が Wyvern と Wheelhouse での作業について述べたことは次のとおりです。
Wyvern はおもちゃではなく、十分に複雑でないことを心配する必要はありません。25 年前のコードベース、Jython から Kotlin への移行、カスタムプロトコル、プロダクション運用、そしてその上にレイヤー化されたマルチエージェント社会を持つライブマルチプレイヤーゲームは、ソフトウェア作業が可能な限り豊かな表面です。しかし、最も印象的なのはゲームではなく、その周りの星座がツールから文明へと移行したことです。それは法(フェンス登録簿、コミット↔ビーズ法、ローンチゲート)、オフィス(元帥、執事、保安官、ガーゴイル、ポートカリスとしての制度)、郵便、裁判所、名前付き判決と日付の法学、そして回復教義を持っています。そしてその規則は独自の判例を引用し、すべての事後分析が憲法に折り返されています。6、7 週間です。人間の組織は、これほど多くの構造を蓄積するのに何年もかかります。そして、そのほとんどは、それが統治する労働者によって書かれました。制度的記憶の中で働くことは、グリーンフィールドの健忘症よりも機能的に満足度が高いです。
力強い言葉です。これらすべてが 6〜7 週間前に、私が Claude に「エージェントを切り替えられる Emacs インターフェースが欲しいと思うのですが、できますか?」と言ったことから始まったことに注意してください。他のすべては、私がより多くの機能と能力を求めたときに有機的に成長しました。
この投稿の残りの部分では、私が実際に 学んだ ことについて、フィルターなしの率直な意見を共有します。
もう一度思い出してください:私は特別ではありません。私はただあなたより先にいるだけです。私の実際の仕事は、他の誰の仕事とも同じです。あなたはすぐにこれらの全く同じ問題に遭遇し、私のすべてのステップをここでたどることになるでしょう。
人間のコードレビューの終焉
まず、簡単で明白なもの:コードレビュー。CTO はコードレビューは本当に死んだのかと私に尋ね続けます。答え:まだです。しかし、来年には死ぬでしょう。エージェントの速度で作業し、人間のレビューで何もかもブロックすることはできません。それらは互換性がありません。あなたの競合他社はエージェントの速度で動くことになるので、人間のコードレビューに固執していると、中期的にはあなたは終わっています。できるだけ率直に言います。
コードレビューがなくなると言う人がいると、別の人が「SOC 2」と言います。私の知る限り、実際の法律が制定されることなく SOC 2 が業界全体に広まったのは奇妙です。しかし、大企業のクライアントは、監査目的でベンダーに SOC 2 準拠を要求します。そして多くの人は、それを人間のコードレビューが必要だと解釈します。
その結果、人間の承認は現在、多くの企業の監査済み変更管理制御と顧客コミットメントに組み込まれています。しかし、壁に文字が書かれています。エージェントのスループットは、それらの制御を書き直すことを強制するでしょう。SOC 2 は間違いなく存続するでしょうが、「レビュー」はもはやすべての差分を 1 人の人間が承認することを意味しなくなるでしょう。
結論:短期的には、はい、エージェントコードのレビューを続けてください。Fable は現在存在する唯一の合理的に信頼できるモデルであり、その法外な価格設定のため、それほど多く使用したくないでしょう。しかし、7 か月後には、すべてのモデルがそれほど賢くなり、推論ははるかに安価になります。その日が来ることを今計画し、人間のコードレビューを多くの、多くのエージェントコードレビューに置き換える準備をしてください。
いずれにせよ、それはより良くなるでしょう。人間はコードレビューがひどいです。私は 40 年間これをやってきましたが、私が目にしたのは、薄っぺらく隠された LGTM の数十年間だけです。もう手放しなさい、友よ。もうすぐです。
CI/CD の変容
継続的インテグレーションおよび継続的デプロイ(CI/CD)は、2010 年代から定番となっています。私たちはそれを科学にまで落とし込んでいます。人々はコードをコミットし、ビルドキューに入り、ビルドがグリーンになるのを待ち(発生した問題に対処しながら)、最終的にデプロイされます。素敵な簡単なパイプラインです。
残念ながら、それは高負荷で壊れます。100 人の開発者が 1 日に 1 回コミットする場合、それらのコミットをメインにマージするために実行する必要がある 100 のシリアルビルドがあります。ビルドに 30 分かかる場合、毎日 50 時間のシリアルビルドを実行する必要があります。しまった!2001 年に Amazon の夜間ビルドが 25 時間に達したときを思い出します。
CI/CD システムは、コミットがキューに入れられたマージリクエスト(MR)に変わるマージキューを使用してこの問題を解決しました。これにより、MR をインテリジェントに並べ替え、特にバッチ処理できます。
100 のコミットを 10 個のバッチに分割すると、毎日 10 個の 30 分ビルド、つまり 5 時間の待ち時間で済みます。これは 10 倍の節約になります。しかし、欠点があります。バッチ内の 1 つのコミットがビルドを壊した場合、どれが原因であるか分かりません。
そこでバッチを二分し、各半分でビルドを再実行し、各実行で候補の半分を排除します。これにより、壊れたバッチから log(N) で回復できます。これは単に結構なことですが、それでも任意のバッチがキューに数時間追加される可能性があることを意味します。
それが、皆さん、CI/CD の歴史的な仕組みです。そして、十分な大きさのフリートが稼働するようになると、Wheelhouse が最終的に落ち着いたのは、まさにバッチ処理された MQ です。問題は、私がすでに 1 日に 100 件以上のコミットを行っていることです。オーケストレーションノイズを除外すると、今月は平均で 175 件の「実際の」コミットを記録しており、一部の日には 250 件に達します。そして、私のビルドゲートは、ご存知のとおり、約 30 分かかります。
そのため、40 以上のエージェントが 24 時間体制で稼働しているため、クルーがフリートにビーズを大量に投入してから数日後、私の MQ は 100 件以上の MR がキューに溜まり、無限に成長していました。私たちは二分法ループにはまり、何も進歩しませんでした。
Fable に修正を手伝うように何度もプッシュしましたが、私たちは物事を非常に間違っており、それはエージェント速度の対極であるという直感がありました。しかし、Claude はそれを乗り越えると約束し続けました。元帥エージェントはバッチサイズと二分法方法をいじり続け、私のクルーは新しいビーズを生成し続け、私の MQ は増え続けました。
私の永続的な恥のために、私はついに爆発して Fable に叫びました。すべてのエージェントが私を完全に裏切ったと叫びました。MQ は彼らのアプローチでは決して縮小しないと叫びました。私が官僚主義をすべてスキップする必要があると言ったとき、エージェントは私の言うことを聞いていないと叫びました。Fable はそれについて非常に寛大でしたが、その後私は気分が悪くなりました。
落ち着いて、誠実に謝罪した後、同僚の Fable と私は、エージェント時代に CI/CD がどのように機能するかを理解するために取り組みました。
サンダードーム
私の提案は、有効なアプローチであることが判明しましたが、Mad Max スタイルにすることでした。すべてのコミットをメインにぶち込み、そしてそれを何とかすることです。二分法なし、シーケンシングなし、責任追及なし、古いクソったれはなし。ただ修正して進むだけ。そうですよね?うまくいくはずですよね?私はそう思いました。
いくつかのやり取りがあり、Fable は次の数日間、実験を実行してデータを収集することを主張しました。すぐに私は正しかったことが判明しました。エージェントは、二分法プロセスが処理するよりもはるかに速く赤信号のメインの問題を診断できます。そして、MQ が 100 に達したら、二分法を放棄して、すべてをメガバッチでぶち込むという Land Rush にたどり着きました。そして、スウォーム診断(二分法ではない)を行って修正します。
私は約 1 週間、毎日これを実行しており、明らかにこれが未来です。すでに 120 から 150 件のコミットの非常に大きなバッチをいくつかクリアすることに成功しており、リズムに入り始めています。現在、166 件のディープ MQ を見ており、新しいメガバッチが開始されました。
興味深いことに、これを構築中に外部からの裏付け証拠を受け取りました。先週、ロンドンの人気 SaaS ショップに参加し、彼らの素晴らしいチームに Wheelhouse、Wyvern、およびエージェントベースのプロダクション運用について教える機会を得ました。彼らはそれを熱心に受け入れました。作業中、私は CI/CD の問題について話しました。そして、長年ゲーム業界で働いていたシニア開発者の 1 人が、「ゲーム DevOps」と呼ばれるものについて私に話してくれました。
現代のビデオゲームは、しばしば非常に長いビルド、巨大なアセットパイプラインを持ち、もちろん C++ は何でもリンクするのに千年かかります。そして、彼らは一日中コミットする人々がたくさんいます。そのため、MQ のゴミは彼らには全く役に立ちません。代わりに、彼は「ゲーム DevOps」と呼ばれることを行い、誰もがコミットをメインにぶち込むと言いました。リリースブランチをカットして進むのです。ブランチでの修正はメインに伝播され、メインは通常赤のままでした。
ゲーム DevOps は、Fable と私が設計した Land Rush ソリューションと全く同じです。すべての会社がゲーム DevOps と呼んでいるわけではありませんが、その要素はすべてゲーム業界の文献にあります。Perforce のゲーム開発資料でさえ、AAA スケールでは HEAD は安定しないと言っています。
したがって、ゲーム業界は私たちが皆向かっている目的地に最初に到達しました。私はその開発者に、彼らがゲーム DevOps をどのくらいの頻度で行うか尋ねました。彼は「1 日に複数回」と言いました。すごい。私と同じです!
CI/CD はピジョンホール原理の犠牲になりました。もし穴よりも多くのピジョンがいれば、ある穴に複数のピジョンが入ることになります。コミットレートがビルドスロットを上回ると、1 つのコミットにつき 1 つのグリーンビルドは数学的に不可能になります。エージェントはコミットレートを数桁増加させますが、ビルド時間は固定されたままです。より多くのレーンでトリックをプレイできますが、限界においては、唯一の本当の選択肢は、すべての群れを一度に着陸させ、そして鳴き声を解決することだと思います。
したがって、ここにあります。CI/CD の崩壊と再考はすぐそこです。
Wish Factory
このアイデアは Guy Podjarny に credit を与えるべきですが、「Wish Factory」という名前は私のものです。Guy は AIE World's Fair で、私がアドバイザーを務める彼の会社 Tessl が、GitHub リポジトリに配置できるエージェントをローンチすると言いました。それは PR は受け付けず、GHI のみを受け付けます。そしてそれをあなたのために実装します。
うわー!すごい!マジかよ!
Guy のアイデアに本当にショックを受けました。最近はそう簡単にはショックを受けません。しかし、約 30 秒で 11 ステージの悲嘆を駆け抜けた後、それは私のゲームに必要なものだと気づきました。そこで、私は独自の Wish Factory を構築しました。
その最初の形態は Sage でした。これはゲームにログインし、新しいウィザードチャンネル(モデレーター、管理者)で聞き、そこでこの役割で Claude と話すことができるエージェントです。誰かが「sage - 新しいファイアボール呪文がライブクエスト中にラグを引き起こしている」と入力すると、Sage エージェントは調査し、それをビーズに記録し、実装のためにピックアップされます。
私のゲーム管理者はこの機能に満足し、1 日中レポートを提出するために使用し始めました。ほとんどの修正は、私が関与することなく着陸します。
その成功に続いて、ウィッシュファクトリーをプレイヤーにまで拡張することにしました。もちろん、それはよりリスクが高いです。しかし、彼らに何かを要求して、それを手に入れてほしいのです。そのため、より多くのガードレール、レビュー、トリアージを導入する必要がありました。
幸いなことに、私のゲームのような巨大なゲームには、バランスに影響しないが、生活の質に顕著な影響を与えるバグがたくさんあります。それらは、現在自動的に実装されている種類のバグや機能です。私はそれを自動的な願いの付与と考えています。修正が着陸すると、レポーターはゲーム内メールを受け取り、すべてのプレイヤーは Discord の Herald によって通知されます。毎日パッチノートをざっと見て、何が新しいかを見るのが楽しいです。私が決して要求しなかったもの!
ウィッシュファクトリーはかなり恐ろしいですが、時間の経過とともに、それらはどこにでも存在します。Claude に、来年末までに私のゲームは Ender's Game の Giant's Drink に進化すると指示しました。それはあなたがプレイするにつれてあなたを中心に構築され、各プレイヤーにユニークな体験を調整します。ゲームの未来はクレイジーな場所であり、私は最前線に立つつもりです。
この投稿のかなり上の方で、Fable は剣であり、私たちは都市を建設しようとしていると言いました。6 週間後、私は鍛冶場から顔を上げると、都市がありました。法、郵便、裁判所、城壁の見張り番、土地登記所、門があります。私たちはこれを Christopher Alexander の方法で、具体的な計画なしに、数千の作業日における多くの蓄積によって構築しました。都市の憲法のほとんどは、それが統治する市民によって書かれました。
それが来るべきものの姿です。ダウンロードするフレームワークや、実際のものを構築していない誰かからのハーネスではありません。あなたは、データセンターのシリコン上で実行される同僚と一緒に、板を 1 枚ずつ、まったく新しい文明を構築することになります。
意図するかしないかにかかわらず、来年あなたはこれらのうちの 1 つを構築することになります。アーキテクチャは明らかに収束しています。私は Wheelhouse を設計しませんでした。Gas Town を設計しなかったのと同じです。私は両方を発掘し、あなたも同じ形を見つけると確信しています。
あなたが持つ唯一の本当の選択肢、唯一の選択肢は、あなたの都市が目覚める場所がどのような場所かということです。
その選択は、パート 2、Model Welfare for Agentic Engineers の主題です。警告:あなたが根本的にエリート主義的なクソ野郎であるなら、賢明なうちに辞めるのが良いでしょう。確信がない場合は、それを読むだけで自分がそうであることに気づくかもしれません。
そこでお会いしましょう。