跟蹤AI代理在程式碼開發中的譜系和狀態的邏輯方法

在代理式軟體開發中，跟蹤AI代理的譜系和狀態對於理解和改進代理行為至關重要。傳統的Git提交歷史只記錄了檔案變更，但缺乏代理的決策過程資訊。作者Jason Davenport認為，我們需要一種系統來管理代理的知識，包括其做出的決策、如何做出這些決策以及代理的組成。

對於編碼代理，我們應至少跟蹤每個提交的Git提交SHA、代理的版本或識別符號，以及代理會話的日誌。然而，Git對有效載荷大小有限制，日誌可能快速增長。一種解決方案是強制在提交中新增代理後設資料，以便後續查詢代理元件。此外，還需要考慮代理構建系統的可觀測性，程式碼只是系統的當前“計劃”，我們還需要“實際執行”版本，以便代理更好地理解其行為對最終系統的影響。

作者提出了一個從代理到程式碼再到部署的譜系系統，類似於資料管理中的行級譜系。透過留下足夠多的識別符號，如容器後設資料中的提交SHA或PR中的代理SHA，我們可以將系統的各個階段聯絡起來。對於大規模代理開發，這需要專門的系統記錄，即“代理倉庫”。代理倉庫是一個資料倉儲，用於管理代理及其建立的工件，可以從技能、MCPs、Git鉤子、雲觀測套件等源收集後設資料和事務資料。透過將資料集中，我們可以應用轉換來構建針對特定提交SHA或代理的譜系，從而理解代理行為的下游影響，並據此調整代理技能或微調模型。

雖然對於原型階段，將代理資訊打包到程式碼倉庫中很簡單，但隨規模擴大，這種方法會遇到問題。不同代理可能需要共享程式碼庫的共通知時，同時保留特定於自身的資訊。因此，需要設計一個如文中邏輯架構的系統來規劃。作者已開始使用會話日誌技能實現本地化系統，並建議學習資料工程基礎，因為管理代理狀態正成為規模化的最大瓶頸之一。