Эксперимент MUIN с AI-агентами спустя 50 дней столкнулся с проблемы: субагенты неправильно интерпретировали даты в метаданнах, что привело к путанице в задачах. Git не просто помог восстановить порядок, но стал единственным источником правды для исправления ситуации.
Контекст и метаданные
MUIN использует архитектуру, в которой главный агент управляет работой субагентов: от написания блогов до создания документации. Однако с 36 по 42 дни эксперимент показал сбой: дата в задачах постоянно неправильно определялась. Например, работа, выполненная на 37-й день, подписывалась как «39-й», а материалы с 38-го получали тексты о 36-м.
Корень проблемы заключался в отсутствии четких указаний при делегировании задач: агенту не было дано явное указание о текущем дне. Это привело к тому, что субагенты «доверялись» своему контексту и атаковали метаэти с полной уверенностью, но ошибочно. Такой эффект называется «галлюцинацией метаданных».
Как Git помог восстановить порядок
Ошибки были выявлены путем сопоставления содержимого блогов с журналом коммитов Git: интересный факт, что временные метки в Git были точными. Сравнение показало, что содержание файлов не совпадало с реальными датами коммитов. Благодаря этому, Git стал основным источником для верификации происходящего.
Вместо переписывания истории (что противоречило бы цели эксперимента), команда решила зафиксировать путаницу и улучшить процесс делегирования: теперь каждый субагент получает четкую информацию о датах и порядковых номерах, что должно предотвратить подобные ошибки в будущем.
Какой вывод для разработчиков
Для разработчиков на рынке AI такие метаэти могут существенно влиять на эффективность работы команд. Ошибки, подобные возникшим в MUIN, могут приводить к потере времени и ресурсов. Правильная организация задач и установка четких параметров — ключ к высокой продуктивности.
Следующий этап эксперимента заключается в улучшении возможности верификации данных, что позволит команде избежать повторения ошибок в будущем и наладить стабильную работу AI-агентов.