AI-agenti v projektech: testy místo recenze

Paralelní práce s AI agenty v několika projektech: praxe a výzvy

Místo tradičního code review se stále častěji používá metoda, kdy agent generuje implementaci a operátor definuje testovací scénáře s analýzou logů. Příkladem je bota v Rustu pro načítání cen z externích zdrojů do smart kontraktu na EVM:

• Přihlášení ke změnám na CEX prostřednictvím WebSocket.
• Odesílání transakcí při změnách cen.

Předem nastavené optimalizace:

• nonce se počítá offline, bez použití eth_getTransactionCount.
• Fixní gasLimit, bez estimateGas.
• Pouze sendRawTransaction s round-robin rozdělením mezi adresy.

Po generaci následuje validace bez prohlížení kódu:

// Příklad dry run scénáře pro ověření
mock_send_tx();
log_analysis();

Testovací scénáře a iterativní vylepšování

Operátor definuje řadu testů pro pokrytí edge case situací:

• Paralelní code review z aktuálního i čistého kontextu;
• Zpracování výpadku cenových zdrojů;
• Kontrola gasPrice pro zabránění vyčerpání depozita;
• Benchmark času zpracování ticku (asynchronní odesílání?);
• Mock odesílání transakcí s dry run a analýzou logů;
• Pozadí: monitorování zůstatků, nonců, potvrzení;
• Ověření synchronizace mezi komponentami.

Každý krok je iterativní: agent se upravuje podle nových scénářů. Výsledkem je funkční bota s pokrytím hlavní cesty a známých problémů bez ručního revize kódu. Přístup je efektivní, pokud operátor má dostatečnou znalost domény a předem zná typické chyby.

Chytřejsí než expert: rizika při nedostatku znalostí

Problémy vznikají, pokud operátor nezná optimální řešení:

• Popis možností agentovi nevede k automatickému vyhledávání a výběru nejlepšího řešení.
• Agent vyžaduje další úpravy, místo samostatného analytického přístupu.
• Operátor přechází do pasivní role, spoléhá se na 'kouzelné' řešení.

To ukazuje: AI posiluje, ale nenahrazuje odbornost. Rolí vývojáře se stává 'expert-operátor AI':

• Správa N projektů současně;
• Hluboký znalostní základ v dané oblasti;
• Plná odpovědnost za výsledek.

Co je klíčové

• Testy a dry run jsou efektivnější než revize pro rychlou validaci v nekritických oblastech.
• Optimalizace RPC (offline nonce, fixní gas) jsou kritické pro high-frequency EVM boty.
• Iterativní scénáře pokrývají edge case bez prohlížení kódu.
• Odbornost operátora je klíčem k úspěchu; AI autonomně neřeší neznámé problémy.
• Budoucnost: orchestrace agentů a operátorů v jednom úložišti úloh.

Perspektivy orchestrace

Pro řešení problému přepínání kontextu jsou potřeba nástroje pro orchestraci:

• Jednotné informační prostředí pro projekty;
• Dashboard s úkoly, neaktivními agenty a kontextem;
• Připojení operátorů podle oprávnění a dovedností, jako v helpdesku.

To umožní rovnoměrné rozdělení zátěže, minimalizovat downtime agentů a normalizovat pracovní režim. Paralelní práce s více IDE a relacemi Claude se stává standardem, který vyžaduje disiplínu a vhodné nástroje.

— Editorial Team