Revision: Cheat Sheet और Self-Check

Cheat sheet

क्या: coding agent = मॉडल + harness + tools + context + permissions, एक loop चलाता (देखें, तय करें, कार्य करें, जाँचें) जब तक जाँचें पास न हों या सीमा न आए। परिवेश: editor, terminal, cloud sandbox, CI; अधिक स्वायत्तता को अधिक अलगाव चाहिए। Tools: search/read (repo map, पंक्ति-सीमाएँ), संपादन (सटीक-मिलान search/replace, unified diff; लगने की पुष्टि), चलाना (timeouts, संक्षिप्त test अवलोकन), git (साफ़ tree, समर्पित branch, छोटे commits, PR हस्तांतरण)। Context: बजट; प्रासंगिक files भरें; सटीक commands, परंपराओं, क्या न करें और पूर्ण की परिभाषा वाली instruction file; plan files, compaction, नई शुरुआत; शोर वाले शोध के लिए sub-agents। Workflow: सटीक कार्य (लक्ष्य, कहाँ देखें, बाधाएँ, सत्यापन कैसे, दायरा); पहले योजना; लक्ष्य के रूप में tests (test बदलावों की सख़्त समीक्षा); मानव चौकियों सहित छोटे समीक्षा-योग्य चरण; अलग worktrees में समानांतर agents, समीक्षा क्षमता से सीमित। भरोसेमंदी: विफलता-रूप (ग़लत समझ, गढ़े APIs/packages, अति-विस्तार, सफलता नक़ली करना, loops, पुराना context, असुरक्षित कार्रवाइयाँ); चरण/लागत सीमाएँ और दोहराव पहचान; patch द्वार और secret scans; CI में वही जाँचें; न्यूनतम विशेषाधिकार और जोखिम भरी कार्रवाइयों पर अनुमोदन। मापें: सार्वजनिक benchmarks की सीमाएँ हैं, आंतरिक बनाएँ; runs बदलते हैं इसलिए सत्यापक के साथ सफलता दर और pass@k; लागत चरणों से तेज़ बढ़ती है (caching, संक्षिप्त आउटपुट); मूल्य lead time, दोबारा काम और defects से आँकें। लोग: rollout चरणबद्ध, server-side नियंत्रण, मानव जवाबदेही, licensing व गोपनीयता जागरूकता, बुनियादी बातें सीखते रहें।

त्वरित जाँच: Agent कहता है "सब tests पास" पर आपने आउटपुट नहीं देखा। आपको क्या करना चाहिए?

• तुरंत merge करें
• Tests ख़ुद चलाएँ या CI देखें; दावा प्रमाण नहीं है
• Agent से दोबारा कहने को कहें
• Tests हटाएँ

त्वरित जाँच: आप तीन agents को अलग bug fixes पर एक साथ चलाना चाहते हैं। सही setup क्या है?

• एक साझा uncommitted working tree
• तीनों एक ही folder संपादित करें
• तीनों सीधे main पर push करें
• हर एक के लिए अलग branch और working directory (जैसे git worktree), एक-एक करके समीक्षा

त्वरित जाँच: किसी कार्य run की लागत अपेक्षा से कहीं अधिक है। कौन-से दो कारण सबसे संभावित हैं?

• लंबा run जहाँ हर चरण context बढ़ता है, और सीमाओं के बिना अटका loop
• Tokens मुफ़्त हो गए
• Branch नाम बहुत छोटा था
• Tests बहुत तेज़ थे