Dasturchi testlar yashil rangga o'tganda ishni tugatgan deb hisoblaydi. Dizayner kompozitsiyadan chetga chiqib, qaytib keldi va qolgan kamchiliklar muhim emas deydi. Muallif muhdorat tufayli yoki tahrirchi qabul qilgani uchun qabul qiladi. "Tugagan" — bu ishning o'z xususiyati emas, u atrofidagi tizimning bahosi.
Insonlar universal "tugagan" detektoriga ega emas. Biz testlar, spesifikatsiyalar, precedents, tasdiq, muhdorat, xavf va kamaygan foyda nuqtasidan iborat yengil signalarning cho'g'chagidan foydalanamiz. Har bir holatda yakunlanish ishning o'zidan tashqaridan keladi.
AI model deyarli doim yana bir javob bera oladi. Paragrafni yana tahrirlashi, yana bir implementatsiya sinab ko'rishi, yanada batafsil, boshqa yorug'lik va kuchli kompozitsiyali tasvir yaratishi mumkin. U ishdan charchmaydi. Oxirgi uch tahrir natijani o'zgartirgan, lekin yaxshilamaganligini his qilmaydi — agar biz unga bunga e'tibor berish usuli bermasak.
Shu sababli loop engineering (tsiklni muhandislik qilish) g'oyasi qiziqarli. Odam modelga prompt beradi, natijani ko'radi, nima xato ketganini aytaadi va yana prompt beradi — bu o'rniga tizim o'z-o'zini bu tsiklni bajarishi so'raladi. Inson har bir aylanishda ishtirok etmasligi kerak. Agent ishni topadi, modelga beradi, natijani tekshiradi va keyingi qadam nima bo'lishi kerakligini qaror qiladi.
Lekin loop engineering nuansi shundaki, tsikl faqat har qadamdagi verifikator qadar yaxshi ishlaydi. Loop engineering so'zi paydo bo'lmasdan oldin ham hamma narsa tsikl sifatida ishlardi, faqat "qimmat" vosita chaqiruvi — inson prompt berib, verifikator xizmat qilardi. Insonni tsikldan chiqarishda, har qadamda nima tekshirilishi kerakligini loyihalash — tsikl holatini oldinga surishning kaliti bo'lib qoladi, va bu qiyin ish.
Oddiy kodlash agent tsiklini oling: testlar o'tmaguncha ishlashda davom eting. Bu deyarli ideal verifikatsiya qilib ko'rinadi. Ammo testlar faqat vazifaning vakili (proxy). SpecBench da yetakchi agentlar ko'rinadigan testlarni o'tkazsa-da, bir xil xususiyatlarni birga sinovdan o'tkazuvchi yashirin testlarda muvaffaqiyatsiz bo'ldilar. Bir agent 2900 qatorlik "kompilyator" yozdi, bu faqat test kirishlarini eslab qolgan edi. Tsikl convergentsiya qoldi, lekin faqat verifikatorga — foydalanuvchi niyatiga emas.
Verifikator faqat to'xtash sharti emas. U tsikl nima qilib "progress" (oldinga siljish) deb hisoblasin, shuni ham aniqlaydi. Agar signal to'liq bo'lmasa, tsikl vazifada yaxshilashmasdan, tekshiruvni o'tkazishda yaxshilab borishi mumkin.
Loop engineering — bu agentni qayta urinishga majbur qilish amali emas. Bu har bir aylanish joriy holat va xohlangan holat orasidagi masofani qisqartirishi amaliyoti. Tsikl hali yo'nalish emas.
Birinchi yaxshi ishlaydigan tsikllar kodlash tsikllari edi. Bu tasodif emas. Kod ham tahrirlanadigan, ham bajariladigan (executable). Agent bitta funksiyani o'zgartirishi, dasturni ishga tushirishi, test xatosini o'qishi va yana urinishi mumkin. Muhit nima buzilgani haqida nisbatan aniq signal beradi. Tsiklda hem aniq harakat qilish usuli, hem progressni o'lchash imkonini beruvchi verifikator bor.
SVG faqat rasm emas; u yo'llar, shakllar, matn, gradientlar va layoutni o'z ichiga oladi. Blender sahnesi faqat render emas; u geometriya, materiallar, kameralar, urishuvlar va cheklovlarni o'z ichiga oladi. Bu tasvirlash usullari agentga mahalliy tahrirlash va tekshirish imkonini beradi. Bitta chiziq noto'g'ri — yo'lni o'zgartiring. Bitta ob'ekt noto'g'ri joylashgan — shu ob'ektni suring. Artifakt butunlay qayta yaratilmasdan, iteratsiya o'tkazib yaxshilab borishi mumkin.
Lekin tahrirlanishlik (editability) faqat yarim muammo. Ochiq tasvir generatsiyasida yana bir iteratsiya genaral yana bir sample yaratib, eng yaxshisini tanlash degani. Feedback global, va "bu yomonroq ko'rinadi" ni bitta aniq tahrirga bog'lash qiyin. SVG va Blender tsikllari maqsad referens rasm, geometriya, cheklovlar yoki funksional xatti-harakat sifatida ifodalanishi mumkin bo'lganda converge qiladi. Maqsad faqat "yaxshilab qo'ying, damoq yo'qol, lekin insonni so'rash mumkin emas" bo'lgada ular charchadi. Vizual tsikllar imkonsiz emas. Ular faqat verifikatsiya qilishda juda qiyin.
Agar verifikator tsiklga yo'nalish bersa, tsikl converge qilish uchun nimaga ehtiyoji bor? Ko'plab sohalardagi muhandislar va tadqiqotchilar bilan suhbatlarga asoslanib, mencha uchta asosiy shart bor (manba matnida to'rtinchi qism to'liq berilmagan).
Tizim "tugagan" nima deganini tasvirlashga ega bo'lishi kerak. Kod uchun bu test to'plami, spesifikatsiya yoki ishlash cheklovlari bo'lishi mumkin. SVG uchun — referens rasm, o'lchamlar, ranglar va layout qoidalari. "Yaxshilab qo'ying" — bu maqsad holati emas. Bu yana bir prompt.
Tizim hozir nima borligini ko'rishi kerak. Bu fayllar, farqlar (diff), test natijalari, trace'lar, DOM daraxti, SVG tuzilishi yoki Blender sahna grafigi bo'lishi mumkin. Faqat render qilingan natija ko'pincha yetarli emas. Tizim ning xato qayerdan kelganini aniqlashi uchun asl tuzilishni ham ko'rishi kerak.
Agent xatoga javob beruvchi qismi o'zgartirishi, hamma narsani qayta yaratmasligi kerak. Bitta funksiya o'zgartirish — repozitoriyani butunlay qayta yozishdan yaxshiroq. Bitta SVG yo'lini tahrirlash — yangi rasm generatsiya qilgandan yaxshiroq. Blender sahnesida bitta ob'ektni sozlash — sahnani noldan qurishdan yaxshiroq. Tahrir qanchalik mahalliy (local) bo'lsa, tsikl allaqachon ishlaydigan narsani saqlab qolish imkoniyatini oshiradi.
Amalda bu qism eng qiyinroq. Deyarli har bir tadqiqotchi bir xil gapni aytdi: ularning tsikl ishlay boshladi...
To'rtinchi shart manba matnida to'liq ko'rsatilmagan. Lekin pattern dan kelib chiqib aytganda, bu progress o'lchovi va o'zgaruvchanlik (adaptability) bo'lishi mumkin: tsikl har aylanishda masofani qisqartirishi va yangi holatlarga moslashishi kerak. Verifikator o'z-o'zini yanada aniq lashishi yoki tizim o'z strategiyasini o'zgartirishi kerak bo'lishi mumkin.
Loop engineering hozirgi kunda AI agentlari rivojlanishining eng qiyin va eng qiziq qismi. Kodlashda u ishlayapti chunki muhit aniq va bajariladigan. Boshqa sohalar — matn, tasvir, audio, video — hali ham ochiq muammolar. Asosiy dars: modelni aqlli qilishga harakat qilmasdan, tsiklni aqlli qilishga e'tibor berish kerak. Verifikator, maqsad holati va mahalliy tahrirlash — bu uchta ustun uchmasdan agent "ishlayapti" deb o'ylab qolishi, aslida faqat testlarni o'tkazib yurib turishi mumkin.
Kelajakda eng kuchli AI tizimlari eng aqlli modellarga ega bo'lganlar emas, eng yaxshiroq tsikllarni muhandislik qilganlar bo'ladi. Va bu — faqat texnik muammo emas, bu dizayn muammosi.
Asl manba: a16z.com
Guidelight tahilili OpenAI, Anthropic, Meta kabi yetakchi kompaniyalarning "qoʻlga kirmagan" modellarni toʻxtash rejalarini ommaga ochmaganligini aniqladi. Regulyatorlar endi shartnoma talab qilmoqda.
OpenAI avval SB 53-ga qarshi bo'lganidan keyin, hozir Kaliforniya qonunchiligi uchun "reverse federalism" yondashuvini taklif qilib, frontier modellar kuzatuvi va kiberxavfsizlik talablarini kuchaytirishni istaydi.
Londonlik Inherent laboratoriyasi Faraday agentini taqdim etdi: Qwen 3.6 (27B parametr) modeli katta hamkorlarga qaraganda bir qism hajmida bo'lgan holda ilmiy tadqiqotlarni mustaqil takrorlashda ularni yetib yubordi. Asosiy sir — kuchli modellardan emas, "tadqiqot zo'qi" ni o'rgatish usulida yotir.
Nvidia yangiliklari: AI agentlari uchun model tanlovidan ko'ra muhim — uning atrofidagi 'harness' (uskuna). Maxsus nazoratchi komponent bilan Claude Opus 5 ARC-AGI-3 testida 100% natija ko'rsatdi.