gépház · agent-workflow
Így dolgozom AI-agentekkel
Az agent kódot ír, mér és javasol. Élesbe, pénzhez és a main ágra csak ember nyúl. Ez az oldal azt mutatja meg, milyen szabályok és eszközök között — és hogyan mérem, hogy ezek tényleg segítenek-e.
$ cat hurok.md
A saját projektjeimen ugyanabban a hurokban dolgozom. A lényeg, hogy az állapot és a döntések fájlokban élnek, nem egy chatablakban — így bármelyik agent ugyanonnan indul.
- 01 · éncél + korlátRögzítem a célt és a korlátokat a közös „agyban” (állapot, döntésnapló).
- 02 · hq/közös agyFájlok, nem chat. Ami nincs leírva döntésként, arra az agent rákérdez.
- 03 · agentmunka izoláltanKülön ágon vagy worktree-ben ír kódot, mér és tesztel.
- 04 · agent → énjavaslatBranch, patch vagy riport „amit NEM állít” résszel, plusz rövid állapot-patch javaslat.
- 05 · énreview + commitÁtnézem és commitolok. Élesbe csak ez megy (push → Vercel).
↺ a lezárt döntés dátummal visszakerül a döntésnaplóba — a következő kör már abból indul.
$ ls ./szabalyok
Ezek nélkül nem engedek agentet a kódhoz. Mindegyik egy valódi hibából vagy kockázatból született.
egy kimenet = egy owner
Minden eszköznek saját terepe van: a kódot Claude Code írja, a kutató-bot csak ötlet-briefet, küldés nélkül. Két eszköz nem ír ugyanabba.
agent javasol, ember commitol
Nincs csendes írás. Az agent patch-et javasol; a main ágra, élesbe és pénzhez csak én nyúlok.
döntés csak leírva
Ha valami nincs benne a döntésnaplóban, az agent nem dönti el helyettem, hanem kérdez.
izolált munkaterület
Kódmódosítás külön worktree-ben vagy ágon, így egy félresikerült kör nem piszkítja a munkamappát.
zárolt holdout, számolt variánsok
ML-nél egy félretett adathalmazhoz csak jóváhagyott körben lehet nyúlni, és minden kipróbált változat számít: 10 fölött szigorúbb küszöb, 20 fölött leáll a keresés.
a csendes hiba a legdrágább
0-s exit kód ≠ siker. Ami nem történt meg (üres adat, kimaradt futás), arról is szóljon valami.
$ ./eval plan-verify --with --without
A plan-verify egy saját agent-skill (terv → implementáció → teszt-loop → önkritikus review), ennek az oldalnak a repójában él. Mielőtt megtartottam, lemértem: 5 feladat, mindegyik skillel és nélküle, izolált worktree-kben.
- átment feladat (skillel · nélküle)
- 5/5 · 5/5
- shell-parancs
- −49%
- hibába futás
- −50%
- futásidő
- −23%
- téves bekapcsolás apró feladatnál
- 0/2
Mindkét ág minden ellenőrzésen átment — a skill tehát nem jobb kódot ad, hanem rövidebb, kevesebb hibával járó utat. Két apró feladatnál helyesen nem kapcsolt be. Egy esetben (új lokalizált útvonal) a skill nélküli futás lett kicsit igényesebb; ez alapján szigorítottam a skillt: felületi szöveg a messages/ fájlokba, ne a kódba.
Cellánként 1 futás: a különbségek irányt mutatnak, nem statisztikailag szignifikánsak. A skillt megtartottam; a mérés megismétlése nyitott feladat.
$ cat routing.yml
Nem minden feladathoz kell a legerősebb modell. A szabály egyszerű — és a tiltások fontosabbak, mint a szabályok.
| feladat | modell | szabály |
|---|---|---|
| Kód, több fájl, döntés-előkészítés | Claude (Claude Code / felhő) | Alapértelmezés: minden, ahol szám, ítélet vagy tool-lánc kell. |
| Ötlet- és forrás-brief | Grok-alapú kutató-bot | Csak briefet ír — küldés és kódírás nélkül. |
| Rövid összefoglaló, magyarázat | qwen3:8b (helyi, Ollama) | 1 hívás, nincs újrapróbálás; ha gyenge vagy 45 mp fölött van → felhő. Pilot, csak ezen az oldalon. |
| Számok, küszöbök, döntésnapló | helyi modell soha | Mindig felhő + emberi jóváhagyás. |
$ tail DONTESEK.md
Részlet a döntésnaplóból — csak a munkamódszert érintő, nyilvános tételek.
- [2026-08-31]Tool-határok: egy kimenet = egy owner. A kódot Claude Code írja, a kutató-bot csak briefet.
- [2026-09-01]A közös agy fájl, nem chat. Az agent patch-et javasol, az állapot tetejét én írom.
- [2026-09-02]Portfólió polish kész; elindult a heti napló-javaslat automatizálása (agent javasol, én hagyom jóvá).
- [2026-09-03]plan-verify skill + with/without mérés → megtartva. Worktree-izoláció minden kódmódosításnál. Hibrid modell-routing pilot.
- [2026-09-16]ML: a backteszt éle szivárgás volt. Szigorú teszt, kötelező időablak és fail-closed záró ár lett a szabály.
- [2026-09-27]Portfólió v2: működő terminál, esettanulmány, design system — ugyanebben a hurokban.
$ cat ./ez-az-oldal.md
A v2 változtatásait AI-agent írta és ellenőrizte — típusellenőrzés, lint, build, böngészős teszt asztali és mobil nézetben —, én néztem át és én commitoltam. A láblécben lévő build-azonosító mindig az éppen élő commitot mutatja.
élő build: 6b9d368 · 2026-10-15