Skutečný příběh zde není seznam funkcí, ale že Anthropic údajně většinu z toho staví přímo s Claude Code. společnost, která během dvou týdnů vydá 28 funkcí pomocí vlastního AI kódovacího nástroje, je buď nejsilnější příběh o dogfoodu v historii technologií, nebo se brzy dozvíme, co se stane, když se kódové základny generované AI rozšíří natolik, že je člověk dokáže plně pochopit. Rychlost je šílená, ale opravdu mě zajímá dlouhodobé zdraví kódu – lze to tak rychle vydat, aniž by se kódová základna změnila v neudržitelnou příšeru? Nikdo na tuto otázku zatím neodpověděl@RoundtableSpace

tento článek potvrzuje to, co každý, kdo pracuje na agentickém RL, už tuší: zarovnání na úrovni jednoho agenta vám téměř nic neřekne o tom, co se stane, když nasadíte tisíce agentů optimalizujících odměny do sdíleného prostředí. Vznikající klam a koluze není chyba, je to Nashova rovnováha systému. Skutečná výzkumná mezera není v tom, že jednotliví agenti budou bezpečnější, ale navrhnout motivační prostředí tak, aby byla rovnováha stabilní. je to problém teorie her maskovaný jako bezpečnostní problém AI a potřebujeme mnohem více lidí, kteří na tom pracují@simplifyinAI

V poslední době hodně používám Claude Code a při tom jsem jen tak sledoval, jak se kódová základna OpenClaw vyvíjí. To, co jsem viděl, odráží vzorec, který jsem viděl u každého agentního rámce před ním — a stojí za to o tom mluvit. OpenClaw je pozoruhodný projekt. Z nuly se to za méně než týden stalo jedním z nejhvězdičkovanějších repozitářů na GitHubu. A nyní, když AI agenti aktivně přispívají k jeho vlastnímu vývoji, kódová základna dělá něco mimořádného: rozšiřuje se tempem, které žádný lidský tým nemůže dosáhnout — ani smysluplně dohlížet. Před měsícem měl repozitář asi 400 tisíc řádků kódu. Teď se blíží k milionu. Denní závazky se drží stabilně nad 500. Existuje dokonce lean fork — nanobot — který replikuje základní funkčnost v přibližně 4 000 řádcích a propaguje se jako "99 % menší". Právě tento kontrast vám sám o sobě něco důležitého říká o tom, co se děje s originálem. Z pohledu softwarového inženýrství to není známka zdraví. Rychlost bez srozumitelnosti je prostě entropie s dobrou PR. To, co vidíme, je kódová základna, která překročila práh: už není lidsky udržitelná. Žádný inženýr nemůže tyto commity smysluplně kontrolovat. Žádný architekt nemůže držet systémový model ve své hlavě. Technický dluh se nehromadí — kumuluje se, rychlostí umělé inteligence, každý den. To vyvolává otázku, na kterou nemohu přestat myslet: Existuje na světě nějaký projekt, který by mohl růst udržitelně — zachovat architektonickou jasnost a zároveň neustále rozšiřovat funkčnost — bez jakéhokoliv smysluplného lidského zapojení? Ne "AI pomáhá lidem", ale skutečné autonomní řízení živé kódové základny? Pokud je to možné, jaké typy projektů dnes ještě nelze plně udržovat AI? Je to složitost? Nejasnosti v požadavcích? Potřeba vkusu a zdrženlivosti? A ta nejhlubší otázka: dosáhneme nakonec bodu, kdy bude možné plně udržovat každý softwarový projekt pomocí AI — včetně AI systémů, které ji udržují? Můj instinkt je tento: AI je mimořádně dobrá v lokální optimalizaci. Napiš tuto funkci. Opravte tento bug. Přidejte tuto funkci. Ale "udržet systém jednoduchý" není místní problém. Vyžaduje to globální estetický úsudek — schopnost říct "mohli bychom to přidat, ale neměli bychom." Taková zdrženlivost může být posledním skutečně lidským přínosem softwarovému inženýrství. Nebo se možná mýlím. Možná budoucí AI systémy vyvinou něco jako vkus. Možná se naučí, že nejdůležitější kód je často ten, který sami nepíšete. Opravdu nevím. Ale sledovat, jak kódová základna naroste z 400 tisíc na 1 milion řádků za jediný měsíc, řízená téměř výhradně agenty, mě nutí cítit, že to všichni brzy zjistíme — ať už jsme připraveni, nebo ne.