Метрики работы агентов: важность качества, а не часов

Я поражаюсь, когда сравнивают агентов по принципу «сколько часов он работал»

Да господи, какая разница? У меня сейчас 95% времени уходит на тестирование (ручное) и написание спек.

Единственно-валидная метрика состоит в том, насколько большую штуку агент может написать самостоятельно без багов — и вот это уже хоть что-то, а вовсе не какие-то мифические часы автономной работы.

Подписывайтесь на Telegram Глеб про AI.