AI-agenci w projektach: testy zamiast recenzji

Praca równoległa z agentami AI w wielu projektach: praktyka i wyzwania

Zamiast tradycyjnego code review coraz częściej stosuje się generowanie scenariuszy testowych i dry run do testowania black box. To przyspiesza iteracje, ale obciąża operatora — stale przełączanie kontekstu prowadzi do braku czasu na odpoczynek, czyniąc człowieka słabej częścią w pipeline.

W projekcie z botem napisanym w Rustie do pobierania cen z zewnętrznych źródeł do smart-kontraktu na EVM:

• Subskrypcja zdarzeń CEX przez WebSocket;
• Wysyłanie transakcji przy zmianach cen.

Optymalizacje zdefiniowane z góry:

• nonce obliczane offline, bez eth_getTransactionCount;
• Stały gasLimit, bez estimateGas;
• Tylko sendRawTransaction, round robin dla adresów.

Po generacji następuje walidacja bez przeglądania kodu:

// Przykładowy scenariusz dry run do sprawdzenia
mock_send_tx();
log_analysis();

Scenariusze testowe i iteracyjne ulepszanie

Operator definiuje serię testów pokrywających przypadki krawędziowe:

• Równoległe review kodu z aktualnego i czystego kontekstu;
• Obsługa awarii źródeł cen;
• Kontrola gasPrice zapobiegająca wycieczce depozytu;
• Benchmark czasu przetwarzania tików (asynchroniczna wysyłka?);
• Mock wysyłki transakcji z dry run i analizą logów;
• Serwisy tła: monitorowanie salda, nonc, potwierdzeń;
• Sprawdzanie synchronizacji między komponentami.

Każdy krok jest iteracyjny: agent dostosowuje się do nowych scenariuszy. Wynik to działający bot z pokryciem ścieżki głównych przypadków i znanych problemów, bez ręcznego review kodu. Podejście działa skutecznie, gdy operator ma głęboką ekspertyzę i zna typowe pułapki.

Pułapki przy braku ekspertyzy

Problemy pojawiają się, gdy operator nie zna optymalnego rozwiązania:

• Opisanie opcji agentowi nie prowadzi automatycznie do wyszukania i wyboru najlepszego;
• Agent wymaga uściślenia, zamiast samodzielnego analizowania;
• Operator przechodzi w tryb pasywny, licząc na 'magiczne rozwiązanie'.

To podkreśla: AI wzmacnia, ale nie zastępuje ekspertyzy. Rola programisty ewoluuje w kierunku 'eksperckiego operatora AI':

• Równoległe prowadzenie N projektów;
• Głęboki wgląd w dziedzinę;
• Pełna odpowiedzialność za wynik.

Co ważne

• Testy i dry run są bardziej efektywne niż review dla szybkiej walidacji w niekrytycznych obszarach;
• Optymalizacje RPC (offline nonce, stały gas) są kluczowe dla botów EVM o wysokiej częstotliwości;
• Iteracyjne scenariusze pokrywają przypadki krawędziowe bez przeglądu kodu;
• Ekspertyza operatora to klucz do sukcesu; AI nie rozwiązuje autonomijnie nieznanych problemów;
• Przyszłość: orchestration agentów i operatorów w jednym środowisku zadań.

Perspektywy orchestrationu

Aby rozwiązać problem przełączania kontekstu potrzebne są narzędzia orchestrationu:

• Jedno informacyjne środowisko projektów;
• Dashboard z zadaniami, nieaktywnymi agentami i kontekstem;
• Dołączanie operatorów według uprawnień i umiejętności, jak w helpdesk.

To pozwoli rozłożyć obciążenie, minimalizować downtime agentów i normalizować harmonogram. Równoległa praca z kilkoma IDE i sesjami Claude staje się normą, wymagając dyscypliny i narzędzi.

— Editorial Team