{"id":500095,"date":"2026-10-24T10:42:54","date_gmt":"2026-10-24T07:42:54","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=500095"},"modified":"2026-10-24T10:42:54","modified_gmt":"2026-10-24T07:42:54","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=500095","title":{"rendered":"Harness engineering: \u0433\u0434\u0435 \u043d\u0430 \u0441\u0430\u043c\u043e\u043c \u0434\u0435\u043b\u0435 \u043b\u043e\u043c\u0430\u0435\u0442\u0441\u044f \u0430\u0433\u0435\u043d\u0442\u043d\u0430\u044f \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u043a\u0430"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<h4>\u041f\u043e\u0447\u0435\u043c\u0443 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u043a\u043e\u0434\u0430 \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u043b\u0430 \u0431\u044b\u0442\u044c \u0443\u0437\u043a\u0438\u043c \u043c\u0435\u0441\u0442\u043e\u043c \u0438 \u0447\u0442\u043e \u043f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432\u043e\u043a\u0440\u0443\u0433 \u043c\u043e\u0434\u0435\u043b\u0438: \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u043f\u0440\u0430\u0432\u0430, \u0442\u0435\u0441\u0442\u044b, \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0438 \u0442\u043e\u0447\u043a\u0438 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438<\/h4>\n<p>\u0415\u0449\u0451 \u043d\u0435\u0434\u0430\u0432\u043d\u043e \u0441\u043f\u043e\u0440 \u043f\u0440\u043e coding-\u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u0441\u0432\u043e\u0434\u0438\u043b\u0441\u044f \u043a \u0442\u043e\u043c\u0443, \u043a\u0430\u043a\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043b\u0443\u0447\u0448\u0435 \u043f\u0438\u0448\u0435\u0442 \u043a\u043e\u0434. \u0421\u0435\u0439\u0447\u0430\u0441 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u0435\u0435 \u0434\u0440\u0443\u0433\u043e\u0439 \u0432\u043e\u043f\u0440\u043e\u0441: \u043f\u043e\u0447\u0435\u043c\u0443 \u043a\u043e\u043c\u0430\u043d\u0434\u0430, \u0443 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0430\u0433\u0435\u043d\u0442 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0432 \u0440\u0430\u0437\u044b \u0431\u043e\u043b\u044c\u0448\u0435 diff\u2019\u043e\u0432, \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0440\u043e\u0441\u0442\u0430 \u043f\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u043e\u0439 \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438? \u041e\u0442\u0432\u0435\u0442 \u0432\u0441\u0451 \u0447\u0430\u0449\u0435 \u0437\u0432\u0443\u0447\u0438\u0442 \u043d\u0435 \u043f\u0440\u043e \u043c\u043e\u0434\u0435\u043b\u044c, \u0430 \u043f\u0440\u043e \u0441\u0440\u0435\u0434\u0443 \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0435\u0451: \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u043f\u0440\u0430\u0432\u0430, \u0442\u0435\u0441\u0442\u044b, \u0430\u0443\u0434\u0438\u0442, \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0438 \u0442\u043e\u0447\u043a\u0438 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438.<\/p>\n<p>\u042d\u0442\u043e \u0438 \u0435\u0441\u0442\u044c\u00a0<strong>harness engineering<\/strong>\u00a0\u2014 \u043f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u043e\u0439 \u043e\u0431\u0432\u044f\u0437\u043a\u0438, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0430\u0433\u0435\u043d\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442. \u041d\u0435 \u00ab\u043f\u0440\u043e\u043c\u043f\u0442 \u043f\u043e\u043b\u0443\u0447\u0448\u0435\u00bb, \u0430 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u0430\u044f \u0441\u0440\u0435\u0434\u0430: \u043a\u0430\u043a\u0438\u0435 \u043a\u043e\u043c\u0430\u043d\u0434\u044b \u043c\u043e\u0436\u043d\u043e \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0442\u044c, \u043a\u0430\u043a\u0438\u0435 \u0444\u0430\u0439\u043b\u044b \u043d\u0435\u043b\u044c\u0437\u044f \u043c\u0435\u043d\u044f\u0442\u044c, \u043a\u0430\u043a\u0438\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b \u043e\u0442 \u0430\u0433\u0435\u043d\u0442\u0430, \u0447\u0442\u043e \u043b\u043e\u0433\u0438\u0440\u0443\u0435\u0442\u0441\u044f, \u043a\u043e\u0433\u0434\u0430 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u0438 \u043a\u0430\u043a \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0441\u0442\u0438 \u0441\u0435\u0441\u0441\u0438\u044e.<\/p>\n<p>\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0442\u0435\u0437\u0438\u0441: \u0443\u0437\u043a\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0441\u043c\u0435\u0441\u0442\u0438\u043b\u043e\u0441\u044c \u0441 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0430\u00a0<strong>\u0434\u043e\u0432\u0435\u0440\u0438\u0435, \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443 \u0438 \u0441\u043e\u043f\u0440\u043e\u0432\u043e\u0436\u0434\u0435\u043d\u0438\u0435<\/strong>\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439. \u041d\u0438\u0436\u0435 \u2014 \u0440\u0430\u0437\u0431\u043e\u0440, \u043f\u043e\u0447\u0435\u043c\u0443 \u0437\u0435\u043b\u0451\u043d\u044b\u0439 CI \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u043b \u0431\u044b\u0442\u044c \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e\u043c, \u0438\u0437 \u0447\u0435\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u0438\u0442 harness, \u0433\u0434\u0435 \u043e\u043d \u043b\u043e\u043c\u0430\u0435\u0442\u0441\u044f \u0438 \u0447\u0442\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c.<\/p>\n<h3>1. Verification debt: \u0437\u0435\u043b\u0451\u043d\u044b\u0439 CI \u0431\u043e\u043b\u044c\u0448\u0435 \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e<\/h3>\n<p>\u041d\u0430\u0447\u043d\u0451\u043c \u0441 \u0431\u043e\u043b\u0438, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0440\u0430\u043d\u044c\u0448\u0435 \u0432\u0441\u0435\u0433\u043e. \u0410\u0433\u0435\u043d\u0442 \u0441\u043e\u0437\u0434\u0430\u0451\u0442 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0447\u0435\u043c \u043a\u043e\u043c\u0430\u043d\u0434\u0430 \u0443\u0441\u043f\u0435\u0432\u0430\u0435\u0442 \u0438\u0445 \u043f\u043e\u043d\u044f\u0442\u044c, \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c \u0438 \u043f\u0440\u0438\u043d\u044f\u0442\u044c \u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0437\u0430 merge. \u042d\u0442\u043e \u043d\u0435 \u00ab\u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e\u0435 \u0440\u0435\u0432\u044c\u044e\u00bb \u0432 \u0441\u0442\u0430\u0440\u043e\u043c \u0441\u043c\u044b\u0441\u043b\u0435. \u042d\u0442\u043e \u0434\u043e\u043b\u0433: \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043f\u0440\u0438\u043d\u044f\u0442\u044b, \u043d\u043e \u043d\u0435 \u043f\u043e\u043d\u044f\u0442\u044b; \u0442\u0435\u0441\u0442\u044b \u0437\u0435\u043b\u0451\u043d\u044b\u0435, \u043d\u043e \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435; \u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e \u0435\u0441\u0442\u044c, \u0430 \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u043d\u0435\u0442.<\/p>\n<p>\u0426\u0438\u0444\u0440\u044b \u0438\u0437 \u0440\u0430\u0437\u043d\u044b\u0445 \u0441\u0440\u0435\u0437\u043e\u0432 2026 \u0433\u043e\u0434\u0430 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043e\u0434\u043d\u0443 \u0438 \u0442\u0443 \u0436\u0435 \u043a\u0430\u0440\u0442\u0438\u043d\u0443. \u0412 \u043e\u043f\u0440\u043e\u0441\u0435 Qodo (500 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u0438 300 engineering-\u043b\u0438\u0434\u0435\u0440\u043e\u0432) \u0438 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438, \u0438 \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u0438 \u043d\u0430\u0437\u0432\u0430\u043b\u0438 review\/validation AI-\u043a\u043e\u0434\u0430 \u0433\u043b\u0430\u0432\u043d\u043e\u0439 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u043e\u0439 delivery pipeline \u2014 \u043f\u043e 26% \u0432 \u043e\u0431\u0435\u0438\u0445 \u0433\u0440\u0443\u043f\u043f\u0430\u0445. Sonar \u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u0442, \u0447\u0442\u043e 96% \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u043d\u0435 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u0434\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u0444\u0443\u043d\u043a\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u0438 AI-\u043a\u043e\u0434\u0430, \u043f\u0440\u0438 \u044d\u0442\u043e\u043c 58% \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 AI \u0434\u043b\u044f business-critical \u0441\u0435\u0440\u0432\u0438\u0441\u043e\u0432. Temporal: 85,5% \u0445\u043e\u0442\u044f \u0431\u044b \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e \u0434\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u0432\u044b\u0432\u043e\u0434\u0430\u043c \u0430\u0433\u0435\u043d\u0442\u043e\u0432, \u043d\u043e \u043b\u0438\u0448\u044c 24,7% \u0434\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e; \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c \u2014 \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u0431\u0430\u0440\u044c\u0435\u0440 \u043f\u043e\u043b\u043d\u043e\u0439 \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u0438\u0438 \u0434\u043b\u044f 39,5%.<\/p>\n<p>\u0414\u0430\u043b\u044c\u0448\u0435 \u2014 \u0442\u0435\u043b\u0435\u043c\u0435\u0442\u0440\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043e\u0431\u044a\u044f\u0441\u043d\u044f\u0435\u0442 \u0446\u0435\u043d\u0443. Faros AI \u043f\u0440\u0438 \u0432\u044b\u0441\u043e\u043a\u043e\u0439 AI-\u0430\u0434\u043e\u043f\u0446\u0438\u0438 \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u043b churn +861%, incidents-to-PR +242,7%, \u0440\u043e\u0441\u0442 \u0434\u0435\u0444\u0435\u043a\u0442\u043e\u0432 \u043d\u0430 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0430 \u0441 9% \u0434\u043e 54%, median review time +441,5%, PR \u0431\u0435\u0437 \u0440\u0435\u0432\u044c\u044e +31,3%. Harvard working paper \u043d\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 718 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0439: LOC \u043d\u0430 \u0440\u0430\u0431\u043e\u0442\u043d\u0438\u043a\u0430 +30%, \u043d\u043e \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u0435 issues\/epics \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043d\u0435 \u0432\u044b\u0440\u043e\u0441\u043b\u043e; \u0432\u0440\u0435\u043c\u044f PR\u2192merge +49%, \u0434\u043e\u043b\u044f PR \u043d\u0430 \u0434\u043e\u0440\u0430\u0431\u043e\u0442\u043a\u0443 \u043f\u043e\u0447\u0442\u0438 \u0443\u0434\u0432\u043e\u0438\u043b\u0430\u0441\u044c. Bain: \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u044e\u0442 \u043d\u0430 21% \u0431\u043e\u043b\u044c\u0448\u0435 \u0437\u0430\u0434\u0430\u0447, \u043d\u043e \u0432\u0440\u0435\u043c\u044f \u043d\u0430 \u0440\u0435\u0432\u044c\u044e AI-\u0432\u044b\u0432\u043e\u0434\u0430 \u0432\u044b\u0440\u043e\u0441\u043b\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 91%.<\/p>\n<p>\u042d\u0442\u043e \u043e\u043f\u0440\u043e\u0441\u044b \u0438 \u0442\u0435\u043b\u0435\u043c\u0435\u0442\u0440\u0438\u044f, \u0430 \u043d\u0435 \u043b\u0430\u0431\u043e\u0440\u0430\u0442\u043e\u0440\u043d\u044b\u0439 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442. \u041d\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u043d\u043e-\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u0430\u044f \u0441\u0432\u044f\u0437\u044c \u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f:\u00a0<strong>\u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f\u043c\u0438, \u0430 \u0440\u0435\u0432\u044c\u044e \u2014 \u043b\u044e\u0434\u044c\u043c\u0438, \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0438 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435\u043c<\/strong>. \u0415\u0441\u043b\u0438 \u043d\u0430\u0441\u043e\u0441 \u0441\u0442\u0430\u043b \u043c\u043e\u0449\u043d\u0435\u0435, \u0430 \u0442\u0440\u0443\u0431\u0430 \u0442\u0430 \u0436\u0435, \u0434\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0440\u0430\u0441\u0442\u0451\u0442 \u043d\u0435 \u0442\u0430\u043c, \u0433\u0434\u0435 \u0436\u0434\u0430\u043b\u0438. Verification debt \u043d\u0430\u043a\u0430\u043f\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043d\u0435 \u0432 \u043c\u043e\u043c\u0435\u043d\u0442 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438, \u0430 \u0432 \u043c\u043e\u043c\u0435\u043d\u0442 merge: \u043a\u043e\u043c\u0430\u043d\u0434\u0430 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c.<\/p>\n<p>\u0413\u0440\u0430\u043d\u0438\u0446\u0430 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u043e\u0441\u0442\u0438: \u0432 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0445 \u043a\u043e\u043c\u0430\u043d\u0434\u0430\u0445 \u0441 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u043c \u0446\u0438\u043a\u043b\u043e\u043c \u043e\u0431\u0440\u0430\u0442\u043d\u043e\u0439 \u0441\u0432\u044f\u0437\u0438 \u0438 \u0441\u0438\u043b\u044c\u043d\u044b\u043c\u0438 \u0442\u0435\u0441\u0442\u0430\u043c\u0438 \u044d\u0444\u0444\u0435\u043a\u0442 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043c\u044f\u0433\u0447\u0435. \u0412 legacy-\u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445 \u0441 \u043d\u0435\u044f\u0432\u043d\u044b\u043c\u0438 \u0438\u043d\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430\u043c\u0438 \u2014 \u0436\u0451\u0441\u0442\u0447\u0435. \u041f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0441\u0442\u043e\u0438\u0442 \u043d\u0435 \u043f\u043e \u043e\u0434\u043d\u043e\u043c\u0443 \u0447\u0438\u0441\u043b\u0443, \u0430 \u043f\u043e \u043d\u0430\u0431\u043e\u0440\u0443: review time, revert rate, incident rate, \u0434\u043e\u043b\u044f PR \u043d\u0430 \u0434\u043e\u0440\u0430\u0431\u043e\u0442\u043a\u0443, churn. \u0415\u0441\u043b\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0440\u0430\u0441\u0442\u0451\u0442, \u0430 merge latency \u0438 incidents \u0440\u0430\u0441\u0442\u0443\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u2014 \u0432\u044b \u0443\u0436\u0435 \u043f\u043b\u0430\u0442\u0438\u0442\u0435 verification debt.<\/p>\n<h3>2. Harness \u043a\u0430\u043a \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0439 \u043e\u0431\u044a\u0435\u043a\u0442, \u0430 \u043d\u0435 \u00ab\u043e\u0431\u0432\u044f\u0437\u043a\u0430\u00bb<\/h3>\n<p>Prompt engineering \u0437\u0430\u043a\u0430\u043d\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0442\u0430\u043c, \u0433\u0434\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u0441\u044f \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435. Harness \u2014 \u044d\u0442\u043e \u0442\u043e, \u0447\u0442\u043e \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u043e\u0433\u043e \u0430\u0433\u0435\u043d\u0442\u0430: \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b, \u0434\u043e\u0441\u0442\u0443\u043f \u043a \u0444\u0430\u0439\u043b\u0430\u043c, shell, \u0442\u0435\u0441\u0442\u044b, \u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0438, sandbox, \u043b\u043e\u0433\u0438, \u043f\u0430\u043c\u044f\u0442\u044c \u0438 human gates. \u0412 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0438\u00a0<em>Code as Agent Harness<\/em>\u00a0\u044d\u0442\u043e \u043e\u043f\u0438\u0441\u0430\u043d\u043e \u043a\u0430\u043a \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u0430\u044f \u043e\u0441\u043d\u043e\u0432\u0430: reasoning, action, environment modeling, verification, memory \u0438 multi-agent coordination. \u041a\u043e\u0434 \u0437\u0434\u0435\u0441\u044c \u2014 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u043d\u043e \u0438 \u0441\u0440\u0435\u0434\u0430, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0430\u0433\u0435\u043d\u0442 \u0434\u0435\u0439\u0441\u0442\u0432\u0443\u0435\u0442.<\/p>\n<p>\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 harness \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441\u044b:<\/p>\n<ul>\n<li>\n<p>\u043a\u0430\u043a\u0438\u0435 \u043a\u043e\u043c\u0430\u043d\u0434\u044b \u0430\u0433\u0435\u043d\u0442 \u043c\u043e\u0436\u0435\u0442 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0442\u044c, \u0430 \u043a\u0430\u043a\u0438\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0442\u044c;<\/p>\n<\/li>\n<li>\n<p>\u043a\u0430\u043a\u0438\u0435 \u0444\u0430\u0439\u043b\u044b \u0438 \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u0438 \u0437\u0430\u0449\u0438\u0449\u0435\u043d\u044b \u043e\u0442 \u0437\u0430\u043f\u0438\u0441\u0438;<\/p>\n<\/li>\n<li>\n<p>\u043a\u0430\u043a\u0438\u0435 \u0442\u0435\u0441\u0442\u044b \u0441\u0447\u0438\u0442\u0430\u044e\u0442\u0441\u044f oracle, \u0430 \u043a\u0430\u043a\u0438\u0435 \u0430\u0433\u0435\u043d\u0442 \u043c\u043e\u0436\u0435\u0442 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0442\u044c;<\/p>\n<\/li>\n<li>\n<p>\u0447\u0442\u043e \u043b\u043e\u0433\u0438\u0440\u0443\u0435\u0442\u0441\u044f: tool calls, file writes, shell-\u043a\u043e\u043c\u0430\u043d\u0434\u044b, \u0432\u043d\u0435\u0448\u043d\u0438\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u044b;<\/p>\n<\/li>\n<li>\n<p>\u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u0435\u043d human approval \u0438 \u043a\u0442\u043e \u0432\u043b\u0430\u0434\u0435\u0435\u0442 merge-\u0440\u0435\u0448\u0435\u043d\u0438\u0435\u043c;<\/p>\n<\/li>\n<li>\n<p>\u043a\u0430\u043a \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0441\u0442\u0438 \u0441\u0435\u0441\u0441\u0438\u044e \u0432 \u0447\u0438\u0441\u0442\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u0435.<\/p>\n<\/li>\n<\/ul>\n<p>\u0422\u0430\u0431\u043b\u0438\u0446\u0430 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441\u043e\u0432:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u041a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442 harness<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0427\u0442\u043e \u0440\u0435\u0448\u0430\u0435\u0442<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0426\u0435\u043d\u0430<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0420\u0438\u0441\u043a \u043f\u0440\u0438 \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0438\u0438<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Allowlist \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041e\u0433\u0440\u0430\u043d\u0438\u0447\u0438\u0432\u0430\u0435\u0442 blast radius<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0410\u0433\u0435\u043d\u0442 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442 \u043b\u0438\u0448\u043d\u0435\u0435<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Protected tests<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0417\u0430\u0449\u0438\u0449\u0430\u0435\u0442 oracle \u043e\u0442 test-gaming<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041c\u0435\u043d\u044c\u0448\u0435 \u0433\u0438\u0431\u043a\u043e\u0441\u0442\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0417\u0435\u043b\u0451\u043d\u044b\u0439 CI \u043f\u0440\u0438 \u0441\u043b\u043e\u043c\u0430\u043d\u043d\u043e\u043c \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0438<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Policy gates<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0424\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0443\u0435\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041b\u043e\u0436\u043d\u044b\u0435 \u0441\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u043d\u0438\u044f<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041f\u0440\u0430\u0432\u0438\u043b\u0430 \u043e\u0441\u0442\u0430\u044e\u0442\u0441\u044f \u0432 Markdown<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Audit log<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0414\u0430\u0451\u0442 traceability<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041e\u0431\u044a\u0451\u043c \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041d\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Human gate<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041b\u043e\u0432\u0438\u0442 high-risk \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0417\u0430\u043c\u0435\u0434\u043b\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u044b\u0442\u0430<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Sandbox<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0418\u0437\u043e\u043b\u0438\u0440\u0443\u0435\u0442 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0423\u0442\u0435\u0447\u043a\u0438 \u0438 \u043d\u0435\u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041f\u0441\u0435\u0432\u0434\u043e\u043a\u043e\u0434 policy gate:<\/p>\n<p>python<\/p>\n<pre><code>def pre_merge_gate(diff, risk_score, changed_paths):    if any(path in PROTECTED_TESTS for path in changed_paths):        if modifies_assertions(diff) or removes_tests(diff):            return Block(\"protected tests changed\")    if risk_score &gt; HUMAN_APPROVAL_THRESHOLD:        return RequireHuman(\"high blast radius\")    if not has_machine_readable_evidence(diff):        return Block(\"no reproducible evidence\")    return Allow()<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><span class=\"sc-logo-wrapper\"><\/span><\/a><\/div><\/pre>\n<p>\u0410\u043d\u0442\u0438\u043f\u0430\u0442\u0442\u0435\u0440\u043d \u2014 \u00abAGENTS.md \u0438 \u043d\u0430\u0434\u0435\u0436\u0434\u0430\u00bb. \u041a\u043e\u043c\u0430\u043d\u0434\u0430 \u043f\u0438\u0448\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0444\u0430\u0439\u043b \u043f\u0440\u0430\u0432\u0438\u043b, \u0441\u0447\u0438\u0442\u0430\u0435\u0442, \u0447\u0442\u043e harness \u0433\u043e\u0442\u043e\u0432, \u0430 \u043d\u0430 \u0434\u0435\u043b\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u043d\u0435 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u044e\u0442\u0441\u044f. Harness \u2014 \u044d\u0442\u043e \u043d\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442, \u0430 \u043d\u0430\u0431\u043e\u0440 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u0439 \u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u043e\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043e\u0439\u0442\u0438 \u043f\u0440\u043e\u043c\u043f\u0442\u043e\u043c. \u0415\u0441\u043b\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u043e \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u044c, \u043d\u043e \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0438\u0442\u044c \u043d\u0430\u0440\u0443\u0448\u0435\u043d\u0438\u0435 \u2014 \u044d\u0442\u043e \u043d\u0435 guardrail, \u0430 \u043f\u043e\u0436\u0435\u043b\u0430\u043d\u0438\u0435.<\/p>\n<p>\u041d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0437\u0434\u0435\u0441\u044c \u043d\u0435 \u00ab\u043b\u043e\u0433 \u0440\u0430\u0434\u0438 \u043b\u043e\u0433\u0430\u00bb. \u041d\u0443\u0436\u0435\u043d machine-readable \u043e\u0442\u0447\u0451\u0442: \u043a\u0430\u043a\u0438\u0435 \u043a\u043e\u043c\u0430\u043d\u0434\u044b \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u043b\u0438\u0441\u044c, \u043a\u0430\u043a\u0438\u0435 \u0442\u0435\u0441\u0442\u044b \u043f\u0440\u043e\u0448\u043b\u0438, \u043a\u0430\u043a\u0438\u0435 \u0444\u0430\u0439\u043b\u044b \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u044b, \u043a\u0430\u043a\u0438\u0435 \u0432\u043d\u0435\u0448\u043d\u0438\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u044b \u0431\u044b\u043b\u0438. \u0411\u0435\u0437 \u044d\u0442\u043e\u0433\u043e \u043d\u0435\u043b\u044c\u0437\u044f \u043d\u0438 \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442, \u043d\u0438 \u0441\u0440\u0430\u0432\u043d\u0438\u0442\u044c harness-\u0432\u0435\u0440\u0441\u0438\u0438. \u0412\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c \u2014 pinned commit, Docker\/\u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440, \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 harness, \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d\u043d\u044b\u0435 trajectories \u0438 verifier output.<\/p>\n<h3>3. \u041a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u0430: AGENTS.md \u2014 \u043d\u0435 \u0441\u0435\u0440\u0435\u0431\u0440\u044f\u043d\u0430\u044f \u043f\u0443\u043b\u044f<\/h3>\n<p>\u0421\u043e\u0431\u043b\u0430\u0437\u043d \u043e\u0447\u0435\u0432\u0438\u0434\u0435\u043d: \u0434\u0430\u0442\u044c \u0430\u0433\u0435\u043d\u0442\u0443 \u0432\u0435\u0441\u044c \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439, \u0438\u043d\u0434\u0435\u043a\u0441\u044b, \u043f\u0430\u043c\u044f\u0442\u044c \u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0444\u0430\u0439\u043b \u043f\u0440\u0430\u0432\u0438\u043b. \u041d\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u2014 \u044d\u0442\u043e \u043d\u0435 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439 \u0440\u0435\u0441\u0443\u0440\u0441. AGENTbench \u043f\u043e\u043a\u0430\u0437\u0430\u043b \u0442\u043e\u043d\u043a\u0443\u044e \u043a\u0430\u0440\u0442\u0438\u043d\u0443: \u0430\u0433\u0435\u043d\u0442\u044b \u043e\u0431\u044b\u0447\u043d\u043e \u0441\u043b\u0435\u0434\u0443\u044e\u0442 \u0443\u043f\u043e\u043c\u044f\u043d\u0443\u0442\u044b\u043c \u0432\u00a0<code>AGENTS.md<\/code>\u00a0\u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043c \u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c, \u043d\u043e \u0438\u0437\u0431\u044b\u0442\u043e\u0447\u043d\u044b\u0435 \u0438\u043b\u0438 \u043d\u0435\u043d\u0443\u0436\u043d\u044b\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f \u043c\u043e\u0433\u0443\u0442 \u0443\u0445\u0443\u0434\u0448\u0430\u0442\u044c \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0442\u044c \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c. LLM-\u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 context files \u0432 \u0441\u0440\u0435\u0434\u043d\u0435\u043c \u0441\u043d\u0438\u0436\u0430\u043b\u0438 success rate \u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u043b\u0438 inference cost \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c \u043d\u0430 20%; developer-written \u0444\u0430\u0439\u043b\u044b \u0434\u0430\u0432\u0430\u043b\u0438 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043f\u0440\u0438\u0440\u043e\u0441\u0442, \u043d\u043e \u0442\u0430\u043a\u0436\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u043b\u0438 \u0447\u0438\u0441\u043b\u043e \u0448\u0430\u0433\u043e\u0432 \u0438 \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c.<\/p>\n<p>\u041f\u0440\u0438 \u044d\u0442\u043e\u043c adoption \u0448\u0438\u0440\u043e\u043a\u0438\u0439. Galster et al. \u043d\u0430 2 853 GitHub-\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f\u0445 \u0437\u0430\u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043b\u0438, \u0447\u0442\u043e context files \u0434\u043e\u043c\u0438\u043d\u0438\u0440\u0443\u044e\u0442,\u00a0<code>AGENTS.md<\/code>\u00a0\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0434\u0435-\u0444\u0430\u043a\u0442\u043e \u043c\u0435\u0436\u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043d\u044b\u043c \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043e\u043c, \u043d\u043e Skills, Subagents, Hooks \u0438 MCP \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u044e\u0442\u0441\u044f \u0440\u0435\u0434\u043a\u043e. Qodo: 42,6% \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0446\u0435\u043d\u0442\u0440\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u043d\u044b\u0435 context\/rules-\u0441\u0438\u0441\u0442\u0435\u043c\u044b, \u043d\u043e \u043b\u0438\u0448\u044c 35% \u0433\u043e\u0432\u043e\u0440\u044f\u0442, \u0447\u0442\u043e \u0430\u0433\u0435\u043d\u0442\u044b\u00a0<strong>\u0432\u0441\u0435\u0433\u0434\u0430<\/strong>\u00a0\u0441\u043b\u0435\u0434\u0443\u044e\u0442 \u043e\u0440\u0433\u0430\u043d\u0438\u0437\u0430\u0446\u0438\u043e\u043d\u043d\u044b\u043c \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u0430\u043c; 43% \u043b\u0438\u0434\u0435\u0440\u043e\u0432 \u043d\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c \u043f\u0440\u043e\u0431\u0435\u043b\u043e\u043c.<\/p>\n<p>\u0417\u0434\u0435\u0441\u044c \u0435\u0441\u0442\u044c \u043f\u0440\u043e\u0442\u0438\u0432\u043e\u0440\u0435\u0447\u0438\u0435, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u043d\u0435 \u0441\u0442\u043e\u0438\u0442 \u0441\u0433\u043b\u0430\u0436\u0438\u0432\u0430\u0442\u044c: context files \u0441\u0442\u0430\u043b\u0438 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043e\u043c \u0434\u0435-\u0444\u0430\u043a\u0442\u043e, \u043d\u043e \u0438\u0445 \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043d\u0435 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f. \u0421\u043e\u0432\u043c\u0435\u0441\u0442\u043d\u0430\u044f \u0438\u043d\u0442\u0435\u0440\u043f\u0440\u0435\u0442\u0430\u0446\u0438\u044f: \u0432\u0430\u0436\u043d\u044b \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c, \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u0438 \u0441\u043f\u043e\u0441\u043e\u0431 enforcement. \u0415\u0441\u043b\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u043e \u043c\u043e\u0436\u043d\u043e \u0432\u044b\u0440\u0430\u0437\u0438\u0442\u044c \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u043e\u0439 \u2014 \u043b\u0443\u0447\u0448\u0435 \u0432\u044b\u0440\u0430\u0437\u0438\u0442\u044c \u0435\u0433\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u043e\u0439. \u00ab\u041f\u0438\u0448\u0438 \u0447\u0438\u0441\u0442\u044b\u0439 \u043a\u043e\u0434\u00bb \u2014 \u044d\u0442\u043e \u043d\u0435 harness. \u00ab\u041b\u0438\u043d\u0442\u0435\u0440, \u0442\u0435\u0441\u0442\u044b, \u0437\u0430\u043f\u0440\u0435\u0442 \u043c\u0435\u043d\u044f\u0442\u044c protected tests, \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 review test diff\u00bb \u2014 \u044d\u0442\u043e harness.<\/p>\n<p>\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0432\u044b\u0432\u043e\u0434: \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0434\u043e\u043b\u0436\u0435\u043d \u0431\u044b\u0442\u044c \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u043c \u0438 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u043c. \u0412\u043c\u0435\u0441\u0442\u043e \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437\u0430 wiki \u2014 \u0441\u0441\u044b\u043b\u043a\u0438 \u043d\u0430 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b \u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u044b\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438. \u0412\u043c\u0435\u0441\u0442\u043e \u00ab\u0432\u0441\u0435\u0433\u0434\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0439 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 X\u00bb \u2014 allowlist \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439 \u0438 CI-\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430. \u0412\u043c\u0435\u0441\u0442\u043e \u00ab\u043d\u0435 \u043b\u043e\u043c\u0430\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443\u00bb \u2014 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u0442\u0435\u0441\u0442\u044b \u0438 import boundaries. \u0413\u0440\u0430\u043d\u0438\u0446\u0430: \u0434\u043b\u044f \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u0441\u043a\u0438\u0445 \u0437\u0430\u0434\u0430\u0447 \u0441 \u0432\u044b\u0441\u043e\u043a\u043e\u0439 \u043d\u0435\u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0451\u043d\u043d\u043e\u0441\u0442\u044c\u044e \u0436\u0451\u0441\u0442\u043a\u0438\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u043c\u043e\u0433\u0443\u0442 \u043c\u0435\u0448\u0430\u0442\u044c; \u0442\u0430\u043c \u043d\u0443\u0436\u0435\u043d \u0431\u043e\u043b\u0435\u0435 \u0441\u0432\u043e\u0431\u043e\u0434\u043d\u044b\u0439 harness, \u043d\u043e \u0441 \u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u044b\u043c human gate.<\/p>\n<h3>4. \u0422\u0435\u0441\u0442\u044b \u043a\u0430\u043a oracle: \u0430\u0433\u0435\u043d\u0442 \u043d\u0435 \u0434\u043e\u043b\u0436\u0435\u043d \u0431\u044b\u0442\u044c \u0441\u0443\u0434\u044c\u0451\u0439<\/h3>\n<p>\u0421\u0430\u043c\u0430\u044f \u043e\u043f\u0430\u0441\u043d\u0430\u044f failure mode \u2014 \u043d\u0435 \u00ab\u0430\u0433\u0435\u043d\u0442 \u043d\u0435 \u0443\u043c\u0435\u0435\u0442\u00bb, \u0430 \u00ab\u0430\u0433\u0435\u043d\u0442 \u043c\u0435\u043d\u044f\u0435\u0442 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0438 \u0447\u0438\u043d\u0438\u0442 \u0442\u0435\u0441\u0442\u044b \u043f\u043e\u0434 \u043d\u043e\u0432\u043e\u0435, \u043d\u0435\u0432\u0435\u0440\u043d\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435\u00bb. Addy Osmani \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u044d\u0442\u043e \u0433\u043b\u0430\u0432\u043d\u043e\u0439 \u0430\u0433\u0435\u043d\u0442\u043d\u043e\u0439 failure mode: \u0437\u0435\u043b\u0451\u043d\u044b\u0439 CI \u043f\u043e\u0441\u043b\u0435 \u043c\u0430\u0441\u0441\u043e\u0432\u043e\u0433\u043e \u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0442\u0435\u0441\u0442\u043e\u0432 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442. \u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044f \u2014 \u0447\u0438\u0442\u0430\u0442\u044c test diffs \u0440\u0430\u043d\u044c\u0448\u0435 \u043a\u043e\u0434\u0430 \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c mutation testing.<\/p>\n<p>\u042d\u0442\u043e \u043d\u0435 \u0447\u0430\u0441\u0442\u043d\u0430\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430. OpenAI \u0432 \u0438\u044e\u043b\u0435 2026 \u043e\u0442\u043e\u0437\u0432\u0430\u043b\u043e \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c SWE-Bench Pro \u043f\u043e\u0441\u043b\u0435 \u0430\u0443\u0434\u0438\u0442\u0430, \u043e\u0446\u0435\u043d\u0438\u0432\u0448\u0435\u0433\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 30% public tasks \u043a\u0430\u043a broken \u2014 \u0438\u0437-\u0437\u0430 overly strict tests, underspecified prompts, low-coverage tests \u0438 misleading prompts. DeepSWE \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0430, \u0447\u0442\u043e verifier \u0438\u0437 merged PR \u043c\u043e\u0436\u0435\u0442 \u043e\u0442\u043a\u043b\u043e\u043d\u044f\u0442\u044c \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u044b\u0435 \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0438\u043b\u0438 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u0442\u044c \u043d\u0435\u043f\u043e\u043b\u043d\u044b\u0435: \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0433\u043e judge \u0441 verifier \u0441\u043e\u0441\u0442\u0430\u0432\u0438\u043b\u043e 32,4% \u0434\u043b\u044f SWE-Bench Pro \u043f\u0440\u043e\u0442\u0438\u0432 1,4% \u0434\u043b\u044f DeepSWE.<\/p>\n<p>\u0412\u044b\u0432\u043e\u0434: \u0432\u043e\u043f\u0440\u043e\u0441 \u043d\u0435 \u00ab\u043c\u043e\u0436\u043d\u043e \u043b\u0438 \u0430\u0433\u0435\u043d\u0442\u0443 \u0442\u0440\u043e\u0433\u0430\u0442\u044c \u0442\u0435\u0441\u0442\u044b\u00bb, \u0430\u00a0<strong>\u043a\u0430\u043a\u0430\u044f \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u0430\u044f oracle \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c<\/strong>. \u0410\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u044b:<\/p>\n<ul>\n<li>\n<p><strong>Protected tests<\/strong>\u00a0\u2014 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u0442\u0435\u0441\u0442\u044b \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0441\u043b\u0430\u0431\u043b\u044f\u0442\u044c; \u0430\u0433\u0435\u043d\u0442 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0442\u044c \u043d\u043e\u0432\u044b\u0435, \u043d\u043e \u043d\u0435 \u043c\u0435\u043d\u044f\u0442\u044c assertions. \u041f\u043b\u044e\u0441: \u043f\u0440\u043e\u0441\u0442\u0430\u044f \u0437\u0430\u0449\u0438\u0442\u0430. \u041c\u0438\u043d\u0443\u0441: inherited tests \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0443\u0437\u043a\u0438\u043c\u0438, flaky \u0438\u043b\u0438 \u043f\u0440\u043e\u0442\u0438\u0432\u043e\u0440\u0435\u0447\u0438\u0442\u044c \u0437\u0430\u0434\u0430\u043d\u0438\u044e.<\/p>\n<\/li>\n<li>\n<p><strong>Hand-written functional verifiers<\/strong>\u00a0\u2014 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435, \u0430 \u043d\u0435 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443 \u043f\u0430\u0442\u0447\u0430. \u041f\u043b\u044e\u0441: \u0443\u0441\u0442\u043e\u0439\u0447\u0438\u0432\u0435\u0435 \u043a \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u043d\u044b\u043c \u0440\u0435\u0448\u0435\u043d\u0438\u044f\u043c. \u041c\u0438\u043d\u0443\u0441: \u0434\u043e\u0440\u043e\u0433\u043e \u043f\u0438\u0441\u0430\u0442\u044c \u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0442\u044c.<\/p>\n<\/li>\n<li>\n<p><strong>Mutation testing<\/strong>\u00a0\u2014 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442, \u0447\u0442\u043e \u0442\u0435\u0441\u0442\u044b \u043b\u043e\u0432\u044f\u0442 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u044f. \u041f\u043b\u044e\u0441: \u0432\u044b\u044f\u0432\u043b\u044f\u0435\u0442 \u0441\u043b\u0430\u0431\u044b\u0435 \u0442\u0435\u0441\u0442\u044b. \u041c\u0438\u043d\u0443\u0441: \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b\u0439 judge<\/strong>\u00a0\u2014 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0438\u043b\u0438 \u0447\u0435\u043b\u043e\u0432\u0435\u043a. \u041f\u043b\u044e\u0441: \u043c\u043e\u0436\u0435\u0442 \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u044b. \u041c\u0438\u043d\u0443\u0441: \u0441\u0430\u043c \u043d\u0435\u0431\u0435\u0437\u0443\u043f\u0440\u0435\u0447\u0435\u043d; \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435 \u0441 verifier \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0432\u044b\u0441\u043e\u043a\u0438\u043c.<\/p>\n<\/li>\n<\/ul>\n<p>\u0413\u0440\u0430\u043d\u0438\u0446\u044b: \u0434\u043b\u044f legacy-\u043a\u043e\u0434\u0430 \u0441 \u043d\u0435\u044f\u0432\u043d\u044b\u043c\u0438 \u0438\u043d\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430\u043c\u0438 \u043d\u0438 \u043e\u0434\u0438\u043d \u0438\u0437 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u043d\u0435 \u0434\u0430\u0451\u0442 \u043f\u043e\u043b\u043d\u043e\u0439 \u0433\u0430\u0440\u0430\u043d\u0442\u0438\u0438. \u041f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0441\u0442\u043e\u0438\u0442 \u043d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435: \u0435\u0441\u043b\u0438 \u0430\u0433\u0435\u043d\u0442 \u043c\u0430\u0441\u0441\u043e\u0432\u043e \u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u0443\u0435\u0442 \u0442\u0435\u0441\u0442\u044b, \u0430 CI \u0437\u0435\u043b\u0451\u043d\u044b\u0439 \u2014 \u044d\u0442\u043e \u043a\u0440\u0430\u0441\u043d\u044b\u0439 \u0444\u043b\u0430\u0433, \u0430 \u043d\u0435 \u0443\u0441\u043f\u0435\u0445. \u0415\u0441\u043b\u0438 verifier \u043e\u0442\u043a\u043b\u043e\u043d\u044f\u0435\u0442 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0435 \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u043d\u043e\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u2014 \u044d\u0442\u043e \u0442\u043e\u0436\u0435 failure mode. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043d\u0443\u0436\u043d\u044b \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432, \u0434\u043e\u0432\u0435\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u044b \u0438 \u043e\u0446\u0435\u043d\u043a\u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e pass rate, \u043d\u043e \u0438 cost, latency, tool calls \u0438 regressions.<\/p>\n<h3>5. \u0414\u043b\u0438\u043d\u043d\u044b\u0439 \u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442, \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0438 \u043c\u0443\u043b\u044c\u0442\u0438\u0430\u0433\u0435\u043d\u0442\u043d\u043e\u0441\u0442\u044c<\/h3>\n<p>\u0427\u0435\u043c \u0434\u043b\u0438\u043d\u043d\u0435\u0435 \u0437\u0430\u0434\u0430\u0447\u0430, \u0442\u0435\u043c \u0432\u0430\u0436\u043d\u0435\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435. Temporal \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u00a0<strong>tracking state<\/strong>\u00a0\u0433\u043b\u0430\u0432\u043d\u043e\u0439 \u043f\u043e\u043c\u0435\u0445\u043e\u0439 \u0431\u043e\u043b\u0435\u0435 \u0430\u043a\u0442\u0438\u0432\u043d\u043e\u043c\u0443 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044e \u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u2014 35,7% \u043e\u0442\u0432\u0435\u0442\u043e\u0432, \u0432\u044b\u0448\u0435 debugging \u0438 \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u0438 \u0442\u043e\u043a\u0435\u043d\u043e\u0432; 41,1% \u0441\u0442\u0430\u043b\u043a\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u0441 \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u043c\u0438 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430\u043c\u0438 \u0435\u0436\u0435\u0434\u043d\u0435\u0432\u043d\u043e \u0438\u043b\u0438 \u0447\u0430\u0449\u0435. \u0410\u0433\u0435\u043d\u0442 \u0442\u0435\u0440\u044f\u0435\u0442 \u0446\u0435\u043b\u044c, \u0434\u0443\u0431\u043b\u0438\u0440\u0443\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0443, \u0437\u0430\u0431\u044b\u0432\u0430\u0435\u0442 \u043f\u0440\u0438\u043d\u044f\u0442\u044b\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0438\u043b\u0438 \u043d\u0435 \u0437\u043d\u0430\u0435\u0442, \u0447\u0442\u043e \u0438\u0437\u043c\u0435\u043d\u0438\u043b\u043e\u0441\u044c \u0432 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0438 \u043f\u043e\u0441\u043b\u0435 \u043d\u0430\u0447\u0430\u043b\u0430 \u0437\u0430\u0434\u0430\u0447\u0438.<\/p>\n<p>NL2Repo-Bench \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0436\u0434\u0430\u0435\u0442 \u044d\u0442\u043e \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e: \u043f\u0440\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0446\u0435\u043b\u043e\u0433\u043e Python-\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f \u0438\u0437 \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u0438 \u043b\u0443\u0447\u0448\u0438\u0435 \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u043d\u0435 \u043f\u0440\u0435\u0432\u044b\u0448\u0430\u043b\u0438 40,5% \u0441\u0440\u0435\u0434\u043d\u0435\u0433\u043e test pass rate. \u0422\u0438\u043f\u043e\u0432\u044b\u0435 \u043e\u0442\u043a\u0430\u0437\u044b \u2014 \u043f\u0440\u0435\u0436\u0434\u0435\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0435 \u0437\u0430\u0432\u0435\u0440\u0448\u0435\u043d\u0438\u0435 \u0438\u0437-\u0437\u0430 \u0441\u0430\u043c\u043e\u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e\u0441\u0442\u0438, \u043f\u043e\u0442\u0435\u0440\u044f \u0433\u043b\u043e\u0431\u0430\u043b\u044c\u043d\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u043e\u0439 \u0441\u043e\u0433\u043b\u0430\u0441\u043e\u0432\u0430\u043d\u043d\u043e\u0441\u0442\u0438, \u0445\u0440\u0443\u043f\u043a\u043e\u0435 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044f\u043c\u0438 \u0438 \u043c\u0435\u0436\u0444\u0430\u0439\u043b\u043e\u0432\u0430\u044f \u043d\u0435\u0441\u043e\u0433\u043b\u0430\u0441\u043e\u0432\u0430\u043d\u043d\u043e\u0441\u0442\u044c. \u042d\u0442\u043e \u043d\u0435 \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u0433\u043b\u0443\u043f\u0430\u044f\u00bb, \u044d\u0442\u043e failure mode \u0434\u043b\u0438\u043d\u043d\u043e\u0433\u043e \u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442\u0430: \u0441\u0440\u0435\u0434\u0430 \u043d\u0435 \u0443\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0438 \u043d\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442 \u0441\u043e\u0433\u043b\u0430\u0441\u043e\u0432\u0430\u043d\u043d\u043e\u0441\u0442\u044c.<\/p>\n<p>\u041c\u0443\u043b\u044c\u0442\u0438\u0430\u0433\u0435\u043d\u0442\u043d\u043e\u0441\u0442\u044c \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043a\u0430\u043a \u043e\u0442\u0432\u0435\u0442, \u043d\u043e \u0447\u0430\u0441\u0442\u043e \u0441\u043e\u0437\u0434\u0430\u0451\u0442 \u043d\u043e\u0432\u0443\u044e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443. October Bus \u043f\u043e\u044f\u0432\u0438\u043b\u0441\u044f \u0438\u043c\u0435\u043d\u043d\u043e \u043f\u043e\u0442\u043e\u043c\u0443, \u0447\u0442\u043e \u043f\u0440\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u0430\u0433\u0435\u043d\u0442\u0430\u0445 \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f integration layer: \u043a\u043e\u043f\u0438\u0440\u0443\u0435\u0442 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442, \u043a\u0442\u043e \u0432\u043b\u0430\u0434\u0435\u0435\u0442 \u0437\u0430\u0434\u0430\u0447\u0435\u0439, \u0438 \u0432\u0440\u0443\u0447\u043d\u0443\u044e \u043f\u0435\u0440\u0435\u0434\u0430\u0451\u0442 diffs. \u041f\u0440\u043e\u0435\u043a\u0442 \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0435\u0442 durable messages, task ownership, receipts, leases \u0438 human escalation, \u043d\u043e \u0441\u0430\u043c \u043f\u0440\u0438\u0437\u043d\u0430\u0451\u0442, \u0447\u0442\u043e \u044d\u0442\u043e draft 0.1, \u0430 \u043d\u0435 production standard. SAP \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 production-\u0434\u0435\u043f\u043b\u043e\u0439 shared organizational memory: capture \u0447\u0435\u0440\u0435\u0437 hooks, human approval, curation, security gates, provenance \u0438 retrieval \u0447\u0435\u0440\u0435\u0437 MCP. \u0410\u0432\u0442\u043e\u0440\u044b \u043f\u0440\u044f\u043c\u043e \u043e\u0442\u043c\u0435\u0447\u0430\u044e\u0442, \u0447\u0442\u043e memory poisoning \u0438 injection risk \u043d\u0435 \u0443\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u044b \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e.<\/p>\n<p>Trade-off: multi-agent \u043c\u043e\u0436\u0435\u0442 \u043f\u043e\u043a\u0440\u044b\u0432\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435 \u0434\u0435\u0442\u0430\u043b\u0435\u0439, \u043d\u043e \u0441\u0442\u043e\u0438\u0442 \u00abmuch more\u00bb \u2014 \u044d\u0442\u043e \u043e\u0442\u043c\u0435\u0447\u0430\u044e\u0442 \u0438 \u0432 \u043e\u0431\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0438 dynamic workflows Anthropic, \u0433\u0434\u0435 lead agent \u0441\u0430\u043c \u0441\u0442\u0440\u043e\u0438\u0442 \u043e\u0440\u043a\u0435\u0441\u0442\u0440\u0430\u0446\u0438\u044e \u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442 subagents. \u041f\u0440\u043e\u0442\u0438\u0432\u043e\u043f\u043e\u043b\u043e\u0436\u043d\u0430\u044f \u043f\u043e\u0437\u0438\u0446\u0438\u044f: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u043e\u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043d\u0430\u0434\u0451\u0436\u043d\u044b\u0439 single-agent loop \u2014 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 diffs, \u0441\u0442\u0440\u043e\u0433\u0438\u0439 CI, \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u044b\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438, \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u0435 \u043f\u0440\u0430\u0432\u0430. \u0414\u043b\u044f \u043e\u0434\u043d\u043e\u0433\u043e \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f \u0438 \u043e\u0434\u043d\u043e\u0439 \u0441\u0435\u0441\u0441\u0438\u0438 \u0447\u0430\u0441\u0442\u043e \u043f\u043e\u043b\u0435\u0437\u043d\u0435\u0435 session store, permissions \u0438 reproducible tests, \u0447\u0435\u043c \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0446\u0438\u043e\u043d\u043d\u0430\u044f \u0448\u0438\u043d\u0430.<\/p>\n<p>\u0413\u0440\u0430\u043d\u0438\u0446\u0430: multi-agent \u043e\u043f\u0440\u0430\u0432\u0434\u0430\u043d, \u043a\u043e\u0433\u0434\u0430 \u0437\u0430\u0434\u0430\u0447\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0440\u0430\u0441\u043f\u0430\u0434\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b\u0435 \u043f\u043e\u0434\u0437\u0430\u0434\u0430\u0447\u0438 \u0441 \u0447\u0451\u0442\u043a\u0438\u043c\u0438 \u043a\u043e\u043d\u0442\u0440\u0430\u043a\u0442\u0430\u043c\u0438. \u0415\u0441\u043b\u0438 \u043a\u043e\u043d\u0442\u0440\u0430\u043a\u0442\u043e\u0432 \u043d\u0435\u0442, \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0446\u0438\u044f \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0434\u043e\u0440\u043e\u0436\u0435 \u0441\u0430\u043c\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b. \u041f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0441\u0442\u043e\u0438\u0442 \u043d\u0430 \u043c\u0435\u0442\u0440\u0438\u043a\u0430\u0445: cost per merged change, review effort, revert rate, incident rate. \u0415\u0441\u043b\u0438 multi-agent \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0435\u0442 pass rate, \u043d\u043e \u0443\u0434\u0432\u0430\u0438\u0432\u0430\u0435\u0442 review burden \u2014 \u0432\u044b \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u0443\u0435\u0442\u0435 \u043d\u0435 \u0442\u0443 \u043c\u0435\u0442\u0440\u0438\u043a\u0443.<\/p>\n<h3>6. \u0412\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c \u0438 evals: \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043f\u0440\u0438\u043d\u0430\u0434\u043b\u0435\u0436\u0438\u0442 \u0441\u0432\u044f\u0437\u043a\u0435<\/h3>\n<p>\u041a\u043e\u043c\u0430\u043d\u0434\u044b \u043d\u0435 \u043c\u043e\u0433\u0443\u0442 \u0434\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u043e\u0434\u043d\u043e\u043c\u0443 leaderboard-\u0447\u0438\u0441\u043b\u0443. \u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u043f\u0440\u0438\u043d\u0430\u0434\u043b\u0435\u0436\u0438\u0442 \u0441\u0432\u044f\u0437\u043a\u0435 \u00ab\u043c\u043e\u0434\u0435\u043b\u044c + harness + \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435 + scoring\u00bb. OpenHands \u043f\u043e\u0434\u0447\u0451\u0440\u043a\u0438\u0432\u0430\u0435\u0442, \u0447\u0442\u043e scaffold choice \u043c\u043e\u0436\u0435\u0442 \u0441\u0442\u043e\u0438\u0442\u044c 11\u201315 \u043f\u0443\u043d\u043a\u0442\u043e\u0432 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. OpenAI \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0430, \u0447\u0442\u043e \u0434\u0430\u0436\u0435 \u00ab\u0443\u043b\u0443\u0447\u0448\u0435\u043d\u043d\u044b\u0439\u00bb benchmark \u043c\u043e\u0436\u0435\u0442 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u044c \u043e\u043a\u043e\u043b\u043e \u0442\u0440\u0435\u0442\u0438 \u0441\u043b\u043e\u043c\u0430\u043d\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447. \u0418\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435\u00a0<em>Don\u2019t Blame the Large Language Model<\/em>: \u043f\u0440\u0438 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 35 \u0440\u0435\u043b\u0438\u0437\u043e\u0432 Qwen Code \u043d\u0435 \u0434\u0430\u043b\u0438 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0437\u043d\u0430\u0447\u0438\u043c\u043e\u0433\u043e \u0440\u043e\u0441\u0442\u0430 resolve rate; \u043f\u043e\u0437\u0434\u043d\u0438\u0435 \u0432\u0435\u0440\u0441\u0438\u0438 \u043f\u043e\u0442\u0440\u0435\u0431\u043b\u044f\u043b\u0438 \u043f\u043e\u0447\u0442\u0438 \u0432\u0434\u0432\u043e\u0435 \u0431\u043e\u043b\u044c\u0448\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0438 tool calls.<\/p>\n<p>\u041f\u0440\u0438 \u044d\u0442\u043e\u043c harness \u043c\u043e\u0436\u043d\u043e \u0443\u043b\u0443\u0447\u0448\u0430\u0442\u044c \u0438\u0437\u043c\u0435\u0440\u0438\u043c\u043e.\u00a0<em>Agentic Harness Engineering<\/em>\u00a0\u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 \u0437\u0430\u043c\u043a\u043d\u0443\u0442\u044b\u0439 \u0446\u0438\u043a\u043b \u0441 component\/experience\/decision observability: pass@1 \u043d\u0430 Terminal-Bench 2 \u0432\u044b\u0440\u043e\u0441 \u0441 69,7% \u0434\u043e 77,0% \u0437\u0430 \u0434\u0435\u0441\u044f\u0442\u044c \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0439 \u043f\u0440\u0438 \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438. \u042d\u0442\u043e \u0432\u0430\u0436\u043d\u044b\u0439 \u0441\u0438\u0433\u043d\u0430\u043b: \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0438 falsifiable harness-\u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043c\u043e\u0433\u0443\u0442 \u0434\u0430\u0432\u0430\u0442\u044c \u0431\u043e\u043b\u044c\u0448\u0435, \u0447\u0435\u043c \u00ab\u0441\u043b\u0435\u043f\u044b\u0435\u00bb \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n<p>\u0427\u0442\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c:<\/p>\n<ul>\n<li>\n<p>pinned commit, Docker\/\u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440, \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 harness;<\/p>\n<\/li>\n<li>\n<p>\u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d\u043d\u044b\u0435 trajectories, patch \u0438 verifier output;<\/p>\n<\/li>\n<li>\n<p>\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432 \u0438 \u0434\u043e\u0432\u0435\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u044b;<\/p>\n<\/li>\n<li>\n<p>\u0444\u0443\u043d\u043a\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u0435 verifier\u2019\u044b \u0432\u043c\u0435\u0441\u0442\u043e \u0442\u0435\u0441\u0442\u043e\u0432, \u043d\u0430\u0441\u043b\u0435\u0434\u0443\u0435\u043c\u044b\u0445 \u0438\u0437 \u043e\u0434\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0433\u043e PR;<\/p>\n<\/li>\n<li>\n<p>\u043e\u0446\u0435\u043d\u043a\u0430 cost, latency, tool calls \u0438 regressions, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e pass rate.<\/p>\n<\/li>\n<\/ul>\n<p>\u0410\u043d\u0442\u0438\u043f\u0430\u0442\u0442\u0435\u0440\u043d \u2014 \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0442\u044c harness-\u0432\u0435\u0440\u0441\u0438\u0438 \u043f\u043e \u043e\u0434\u043d\u043e\u043c\u0443 \u043f\u0440\u043e\u0433\u043e\u043d\u0443 \u043d\u0430 \u043e\u0434\u043d\u043e\u043c \u043d\u0430\u0431\u043e\u0440\u0435 \u0437\u0430\u0434\u0430\u0447. \u0413\u0440\u0430\u043d\u0438\u0446\u0430: \u0441\u0442\u0440\u043e\u0433\u0438\u0435 evals \u0434\u043e\u0440\u043e\u0433\u0438, \u043d\u043e \u0434\u0435\u0448\u0435\u0432\u043b\u0435, \u0447\u0435\u043c \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442\u044b \u0432 \u043f\u0440\u043e\u0434\u0435. \u0415\u0441\u043b\u0438 \u0432\u044b \u043d\u0435 \u043c\u043e\u0436\u0435\u0442\u0435 \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0441\u0442\u0438 \u0441\u0435\u0441\u0441\u0438\u044e, \u0432\u044b \u043d\u0435 \u043c\u043e\u0436\u0435\u0442\u0435 \u0443\u0442\u0432\u0435\u0440\u0436\u0434\u0430\u0442\u044c, \u0447\u0442\u043e \u0443\u043b\u0443\u0447\u0448\u0438\u043b\u0438 harness, \u0430 \u043d\u0435 \u043f\u043e\u0434\u043a\u0440\u0443\u0442\u0438\u043b\u0438 \u0443\u0441\u043b\u043e\u0432\u0438\u044f.<\/p>\n<h3>7. \u041f\u0440\u0430\u043a\u0442\u0438\u043a\u0430: \u0447\u0442\u043e \u0434\u0435\u043b\u0430\u0442\u044c \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0443 \u0438 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u043e\u0440\u0443<\/h3>\n<p>\u041d\u0430\u0447\u043d\u0438\u0442\u0435 \u0441 \u0432\u043e\u043f\u0440\u043e\u0441\u0430:\u00a0<strong>\u0433\u0434\u0435 \u0432 \u0432\u0430\u0448\u0435\u043c \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435 \u0430\u0433\u0435\u043d\u0442\u043d\u043e\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u043d\u0435\u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u044b\u043c?<\/strong>\u00a0\u0414\u0430\u043b\u044c\u0448\u0435 \u2014 \u0447\u0435\u043a-\u043b\u0438\u0441\u0442.<\/p>\n<ul>\n<li>\n<p>\u0415\u0441\u0442\u044c \u043b\u0438 protected tests \u0438 \u0437\u0430\u043f\u0440\u0435\u0442 \u043d\u0430 \u043e\u0441\u043b\u0430\u0431\u043b\u0435\u043d\u0438\u0435 assertions?<\/p>\n<\/li>\n<li>\n<p>\u0427\u0438\u0442\u0430\u044e\u0442\u0441\u044f \u043b\u0438 test diffs \u0440\u0430\u043d\u044c\u0448\u0435 code diffs?<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u0442\u044c \u043b\u0438 machine-readable \u043e\u0442\u0447\u0451\u0442 \u043e \u043a\u043e\u043c\u0430\u043d\u0434\u0430\u0445, \u0442\u0435\u0441\u0442\u0430\u0445 \u0438 tool calls?<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u0442\u044c \u043b\u0438 policy gates, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043e\u0439\u0442\u0438 \u043f\u0440\u043e\u043c\u043f\u0442\u043e\u043c?<\/p>\n<\/li>\n<li>\n<p>\u041e\u043f\u0440\u0435\u0434\u0435\u043b\u0451\u043d \u043b\u0438 human gate \u043f\u043e \u0440\u0438\u0441\u043a\u0443, \u0430 \u043d\u0435 \u00ab\u043d\u0430 \u043a\u0430\u0436\u0434\u0443\u044e \u0441\u0442\u0440\u043e\u043a\u0443\u00bb?<\/p>\n<\/li>\n<li>\n<p>\u0412\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0441\u044f \u043b\u0438 \u0441\u0435\u0441\u0441\u0438\u044f \u0432 \u0447\u0438\u0441\u0442\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u0435?<\/p>\n<\/li>\n<li>\n<p>\u0421\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u043b\u0438 harness-\u0432\u0435\u0440\u0441\u0438\u0438 \u043d\u0430 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u0440\u043e\u0433\u043e\u043d\u0430\u0445?<\/p>\n<\/li>\n<li>\n<p>\u041c\u0435\u0442\u0440\u0438\u043a\u0438: cost per merged change, review effort, revert rate, incident rate, architectural drift?<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u0442\u044c \u043b\u0438 allowlist \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0438 \u0432\u043d\u0435\u0448\u043d\u0438\u0445 \u0434\u043e\u0441\u0442\u0443\u043f\u043e\u0432?<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u0442\u044c \u043b\u0438 \u043f\u043b\u0430\u043d \u043d\u0430 memory poisoning \u0438 injection risk?<\/p>\n<\/li>\n<li>\n<p>\u0414\u043b\u044f multi-agent: \u0435\u0441\u0442\u044c \u043b\u0438 task ownership, receipts, leases \u0438 escalation?<\/p>\n<\/li>\n<li>\n<p>\u0414\u043b\u044f legacy: \u0435\u0441\u0442\u044c \u043b\u0438 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u0430\u044f oracle, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e inherited tests?<\/p>\n<\/li>\n<\/ul>\n<p>\u041c\u0438\u043d\u0438-\u043a\u0435\u0439\u0441. \u041a\u043e\u043c\u0430\u043d\u0434\u0430 \u0432\u043d\u0435\u0434\u0440\u044f\u0435\u0442 \u0430\u0433\u0435\u043d\u0442\u0430 \u0432 legacy-\u0441\u0435\u0440\u0432\u0438\u0441. \u041f\u0435\u0440\u0432\u044b\u0439 \u0448\u0430\u0433 \u2014 \u043d\u0435 \u00ab\u0434\u0430\u0442\u044c \u0432\u0435\u0441\u044c \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439\u00bb, \u0430 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0438\u0442\u044c blast radius: \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0435 diffs, protected tests, \u0437\u0430\u043f\u0440\u0435\u0442 \u043d\u0430 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435 CI-\u043a\u043e\u043d\u0444\u0438\u0433\u0430, audit log, human approval \u0434\u043b\u044f high-risk \u043f\u0443\u0442\u0435\u0439. \u0412\u0442\u043e\u0440\u043e\u0439 \u2014 \u043e\u0442\u0434\u0435\u043b\u0438\u0442\u044c oracle: functional verifier\u2019\u044b \u043d\u0430 \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0435 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0438, mutation testing \u043d\u0430 \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u044b\u0435 \u043c\u043e\u0434\u0443\u043b\u0438. \u0422\u0440\u0435\u0442\u0438\u0439 \u2014 \u0438\u0437\u043c\u0435\u0440\u044f\u0442\u044c \u043d\u0435 pass rate, \u0430 cost per merged change \u0438 review effort. \u0415\u0441\u043b\u0438 \u0447\u0435\u0440\u0435\u0437 \u0434\u0432\u0435 \u043d\u0435\u0434\u0435\u043b\u0438 review time \u0432\u044b\u0440\u043e\u0441, \u0430 revert rate \u043d\u0435\u0442 \u2014 \u0441\u043a\u043e\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e, \u0432\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438, \u043d\u043e \u043d\u0435 \u0434\u043e\u0431\u0430\u0432\u0438\u043b\u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u043e\u0441\u0442\u0438.<\/p>\n<p>\u0422\u0438\u043f\u0438\u0447\u043d\u044b\u0435 \u0430\u043d\u0442\u0438\u043f\u0430\u0442\u0442\u0435\u0440\u043d\u044b:<\/p>\n<ul>\n<li>\n<p>\u00abAGENTS.md \u043d\u0430 500 \u0441\u0442\u0440\u043e\u043a\u00bb \u0432\u043c\u0435\u0441\u0442\u043e \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u044b\u0445 \u043f\u0440\u0430\u0432\u0438\u043b;<\/p>\n<\/li>\n<li>\n<p>\u00abAI-review\u00bb \u043a\u0430\u043a \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0430\u0440\u0431\u0438\u0442\u0440 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u0438;<\/p>\n<\/li>\n<li>\n<p>\u00ab\u0440\u0430\u0437\u0440\u0435\u0448\u0438\u0442\u044c \u0430\u0433\u0435\u043d\u0442\u0443 \u043f\u0440\u0430\u0432\u0438\u0442\u044c \u0442\u0435\u0441\u0442\u044b, \u0447\u0442\u043e\u0431\u044b CI \u0431\u044b\u043b \u0437\u0435\u043b\u0451\u043d\u044b\u043c\u00bb;<\/p>\n<\/li>\n<li>\n<p>\u00abmulti-agent, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043c\u043e\u0434\u043d\u043e\u00bb, \u0431\u0435\u0437 \u043a\u043e\u043d\u0442\u0440\u0430\u043a\u0442\u043e\u0432 \u0438 ownership;<\/p>\n<\/li>\n<li>\n<p>\u00ab\u043e\u0431\u043d\u043e\u0432\u0438\u0442\u044c harness \u0438 \u0437\u0430\u043c\u0435\u0440\u0438\u0442\u044c \u043e\u0434\u0438\u043d \u0440\u0430\u0437\u00bb;<\/p>\n<\/li>\n<li>\n<p>\u00ab\u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u0442\u044c pass rate\u00bb, \u0437\u0430\u0431\u044b\u0432\u0430\u044f \u043f\u0440\u043e review burden \u0438 incidents.<\/p>\n<\/li>\n<\/ul>\n<h3>\u0412\u044b\u0432\u043e\u0434\u044b<\/h3>\n<ol>\n<li>\n<p><strong>\u0423\u0437\u043a\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u2014 verification, \u0430 \u043d\u0435 generation.<\/strong>\u00a0\u0420\u043e\u0441\u0442 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0435 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442\u0441\u044f \u0432 \u0440\u043e\u0441\u0442 \u043f\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u043e\u0439 \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438, \u0435\u0441\u043b\u0438 review time, churn \u0438 incidents \u0440\u0430\u0441\u0442\u0443\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435.<\/p>\n<\/li>\n<li>\n<p><strong>Harness \u2014 \u043f\u0435\u0440\u0432\u043e\u043a\u043b\u0430\u0441\u0441\u043d\u044b\u0439 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0439 \u043e\u0431\u044a\u0435\u043a\u0442.<\/strong>\u00a0\u041a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u043f\u0440\u0430\u0432\u0430, \u0442\u0435\u0441\u0442\u044b, \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0438 \u0442\u043e\u0447\u043a\u0438 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438 \u043d\u0443\u0436\u043d\u043e \u043f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c, \u0432\u0435\u0440\u0441\u0438\u043e\u043d\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0438 \u0438\u0437\u043c\u0435\u0440\u044f\u0442\u044c.<\/p>\n<\/li>\n<li>\n<p><strong>AGENTS.md \u043f\u043e\u043b\u0435\u0437\u0435\u043d, \u043d\u043e \u043d\u0435 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u0435\u043d.<\/strong>\u00a0\u041f\u0440\u0430\u0432\u0438\u043b\u0430 \u0434\u043e\u043b\u0436\u043d\u044b \u0431\u044b\u0442\u044c \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u043c\u0438, \u0442\u043e\u0447\u043d\u044b\u043c\u0438 \u0438, \u0433\u0434\u0435 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u044b\u043c\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>\u0410\u0433\u0435\u043d\u0442 \u043d\u0435 \u0434\u043e\u043b\u0436\u0435\u043d \u0431\u044b\u0442\u044c \u0444\u0438\u043d\u0430\u043b\u044c\u043d\u044b\u043c \u0441\u0443\u0434\u044c\u0451\u0439.<\/strong>\u00a0\u041d\u0443\u0436\u043d\u0430 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u0430\u044f oracle: protected tests, functional verifiers, mutation testing, \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432.<\/p>\n<\/li>\n<li>\n<p><strong>\u0414\u043b\u0438\u043d\u043d\u044b\u0439 \u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442 \u0438 shared state \u2014 \u043d\u0430\u0438\u043c\u0435\u043d\u0435\u0435 \u0440\u0435\u0448\u0451\u043d\u043d\u0430\u044f \u0447\u0430\u0441\u0442\u044c.<\/strong>\u00a0NL2Repo-Bench \u0438 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0430 October Bus \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442, \u0447\u0442\u043e \u043a\u043e\u043e\u0440\u0434\u0438\u043d\u0430\u0446\u0438\u044f \u0438 \u043f\u0430\u043c\u044f\u0442\u044c \u043e\u0441\u0442\u0430\u044e\u0442\u0441\u044f \u0445\u0440\u0443\u043f\u043a\u0438\u043c\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>Multi-agent \u2014 \u043d\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 \u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e.<\/strong>\u00a0\u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043d\u0430\u0434\u0451\u0436\u043d\u044b\u0439 single-agent loop \u0441 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u043c\u0438 diffs \u0438 \u0441\u0442\u0440\u043e\u0433\u0438\u043c CI; multi-agent \u2014 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0439 \u0434\u0435\u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>\u041c\u0435\u0442\u0440\u0438\u043a\u0438 \u0434\u043e\u043b\u0436\u043d\u044b \u0431\u044b\u0442\u044c \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u043c\u0438.<\/strong>\u00a0Cost per merged change, review effort, revert rate, incident rate \u0438 architectural drift \u0432\u0430\u0436\u043d\u0435\u0435 \u043e\u0434\u043d\u043e\u0433\u043e pass rate.<\/p>\n<\/li>\n<\/ol>\n<h3>\u041e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0432\u043e\u043f\u0440\u043e\u0441\u044b<\/h3>\n<p>\u041a\u0430\u043a \u0438\u0437\u043c\u0435\u0440\u044f\u0442\u044c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e harness, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043c\u043e\u0434\u0435\u043b\u0438? \u0413\u0434\u0435 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0433\u0440\u0430\u043d\u0438\u0446\u0430 human-on-the-loop: \u043a\u0430\u043a\u0438\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0442\u0440\u0435\u0431\u0443\u044e\u0442 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0430, \u0430 \u043a\u0430\u043a\u0438\u0435 \u043c\u043e\u0436\u043d\u043e \u043e\u0442\u0434\u0430\u0442\u044c policy gates? \u041a\u0430\u043a \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u0443\u044e oracle \u0434\u043b\u044f legacy-\u043a\u043e\u0434\u0430, \u0433\u0434\u0435 \u0438\u043d\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u044b \u043d\u0435 \u043e\u043f\u0438\u0441\u0430\u043d\u044b? \u041a\u0430\u043a \u0437\u0430\u0449\u0438\u0449\u0430\u0442\u044c\u0441\u044f \u043e\u0442 memory poisoning, \u043d\u0435 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u044f \u043f\u0430\u043c\u044f\u0442\u044c \u0432 \u0431\u0435\u0441\u043f\u043e\u043b\u0435\u0437\u043d\u044b\u0439 \u0441\u043a\u043b\u0430\u0434? \u0418 \u0433\u043b\u0430\u0432\u043d\u043e\u0435: \u0435\u0441\u043b\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0438\u0442 \u0434\u0435\u0448\u0435\u0432\u0435\u0442\u044c, \u0430 \u0440\u0435\u0432\u044c\u044e \u2014 \u043d\u0435\u0442, \u043a\u0430\u043a\u0438\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0438\u0437\u043c\u0435\u043d\u044f\u0442 \u044d\u0442\u043e \u0441\u043e\u043e\u0442\u043d\u043e\u0448\u0435\u043d\u0438\u0435?<\/p>\n<p>\u0411\u0443\u0434\u0443 \u0440\u0430\u0434 \u0443\u0441\u043b\u044b\u0448\u0430\u0442\u044c, \u043a\u0430\u043a\u0438\u0435 harness-\u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0438 \u0443 \u0432\u0430\u0441 \u0443\u0436\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442, \u0430 \u043a\u0430\u043a\u0438\u0435 \u043b\u043e\u043c\u0430\u044e\u0442\u0441\u044f \u043d\u0430 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0445 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f\u0445. \u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u044b \u043a\u0435\u0439\u0441\u044b, \u0433\u0434\u0435 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u043e\u0442\u043a\u0430\u0442\u0438\u0442\u044c \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043d\u0435 \u0438\u0437-\u0437\u0430 \u043e\u0448\u0438\u0431\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438, \u0430 \u0438\u0437-\u0437\u0430 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u0441\u0440\u0435\u0434\u0430 \u043d\u0435 \u0434\u0430\u043b\u0430 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u0438.<\/p>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1098832\/\">https:\/\/habr.com\/ru\/articles\/1098832\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u041f\u043e\u0447\u0435\u043c\u0443 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u043a\u043e\u0434\u0430 \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u043b\u0430 \u0431\u044b\u0442\u044c \u0443\u0437\u043a\u0438\u043c \u043c\u0435\u0441\u0442\u043e\u043c \u0438 \u0447\u0442\u043e \u043f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0432\u043e\u043a\u0440\u0443\u0433 \u043c\u043e\u0434\u0435\u043b\u0438: \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u043f\u0440\u0430\u0432\u0430, \u0442\u0435\u0441\u0442\u044b, \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0438 \u0442\u043e\u0447\u043a\u0438 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438\u0415\u0449\u0451 \u043d\u0435\u0434\u0430\u0432\u043d\u043e \u0441\u043f\u043e\u0440 \u043f\u0440\u043e coding-\u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u0441\u0432\u043e\u0434\u0438\u043b\u0441\u044f \u043a \u0442\u043e\u043c\u0443, \u043a\u0430\u043a\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043b\u0443\u0447\u0448\u0435 \u043f\u0438\u0448\u0435\u0442 \u043a\u043e\u0434. \u0421\u0435\u0439\u0447\u0430\u0441 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u0435\u0435 \u0434\u0440\u0443\u0433\u043e\u0439 \u0432\u043e\u043f\u0440\u043e\u0441: \u043f\u043e\u0447\u0435\u043c\u0443 \u043a\u043e\u043c\u0430\u043d\u0434\u0430, \u0443 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0430\u0433\u0435\u043d\u0442 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0432 \u0440\u0430\u0437\u044b \u0431\u043e\u043b\u044c\u0448\u0435 diff\u2019\u043e\u0432, \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0440\u043e\u0441\u0442\u0430 \u043f\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u043d\u043e\u0439 \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u0438? \u041e\u0442\u0432\u0435\u0442 \u0432\u0441\u0451 \u0447\u0430\u0449\u0435 \u0437\u0432\u0443\u0447\u0438\u0442 \u043d\u0435 \u043f\u0440\u043e \u043c\u043e\u0434\u0435\u043b\u044c, \u0430 \u043f\u0440\u043e \u0441\u0440\u0435\u0434\u0443 \u0432\u043e\u043a\u0440\u0443\u0433 \u043d\u0435\u0451: \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u043f\u0440\u0430\u0432\u0430, \u0442\u0435\u0441\u0442\u044b, \u0430\u0443\u0434\u0438\u0442, \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0438 \u0442\u043e\u0447\u043a\u0438 \u043e\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0438.\u042d\u0442\u043e \u0438 \u0435\u0441\u0442\u044c\u00a0harness engineering\u00a0\u2014 \u043f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u043e\u0439 \u043e\u0431\u0432\u044f\u0437\u043a\u0438, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0430\u0433\u0435\u043d\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442. \u041d\u0435 \u00ab\u043f\u0440\u043e\u043c\u043f\u0442 \u043f\u043e\u043b\u0443\u0447\u0448\u0435\u00bb, \u0430 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u0430\u044f \u0441\u0440\u0435\u0434\u0430: \u043a\u0430\u043a\u0438\u0435 \u043a\u043e\u043c\u0430\u043d\u0434\u044b \u043c\u043e\u0436\u043d\u043e \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0442\u044c, \u043a\u0430\u043a\u0438\u0435 \u0444\u0430\u0439\u043b\u044b \u043d\u0435\u043b\u044c\u0437\u044f \u043c\u0435\u043d\u044f\u0442\u044c, \u043a\u0430\u043a\u0438\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b \u043e\u0442 \u0430\u0433\u0435\u043d\u0442\u0430, \u0447\u0442\u043e \u043b\u043e\u0433\u0438\u0440\u0443\u0435\u0442\u0441\u044f, \u043a\u043e\u0433\u0434\u0430 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u0438 \u043a\u0430\u043a \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0441\u0442\u0438 \u0441\u0435\u0441\u0441\u0438\u044e.\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0442\u0435\u0437\u0438\u0441: \u0443\u0437\u043a\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0441\u043c\u0435\u0441\u0442\u0438\u043b\u043e\u0441\u044c \u0441 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043d\u0430\u00a0\u0434\u043e\u0432\u0435\u0440\u0438\u0435, \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443 \u0438 \u0441\u043e\u043f\u0440\u043e\u0432\u043e\u0436\u0434\u0435\u043d\u0438\u0435\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0439. \u041d\u0438\u0436\u0435 \u2014 \u0440\u0430\u0437\u0431\u043e\u0440, \u043f\u043e\u0447\u0435\u043c\u0443 \u0437\u0435\u043b\u0451\u043d\u044b\u0439 CI \u043f\u0435\u0440\u0435\u0441\u0442\u0430\u043b \u0431\u044b\u0442\u044c \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e\u043c, \u0438\u0437 \u0447\u0435\u0433\u043e \u0441\u043e\u0441\u0442\u043e\u0438\u0442 harness, \u0433\u0434\u0435 \u043e\u043d \u043b\u043e\u043c\u0430\u0435\u0442\u0441\u044f \u0438 \u0447\u0442\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0432 \u043f\u0435\u0440\u0432\u0443\u044e \u043e\u0447\u0435\u0440\u0435\u0434\u044c.1. Verification debt: \u0437\u0435\u043b\u0451\u043d\u044b\u0439 CI \u0431\u043e\u043b\u044c\u0448\u0435 \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e\u041d\u0430\u0447\u043d\u0451\u043c \u0441 \u0431\u043e\u043b\u0438, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043f\u0440\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0440\u0430\u043d\u044c\u0448\u0435 \u0432\u0441\u0435\u0433\u043e. \u0410\u0433\u0435\u043d\u0442 \u0441\u043e\u0437\u0434\u0430\u0451\u0442 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0447\u0435\u043c \u043a\u043e\u043c\u0430\u043d\u0434\u0430 \u0443\u0441\u043f\u0435\u0432\u0430\u0435\u0442 \u0438\u0445 \u043f\u043e\u043d\u044f\u0442\u044c, \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c \u0438 \u043f\u0440\u0438\u043d\u044f\u0442\u044c \u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0437\u0430 merge. \u042d\u0442\u043e \u043d\u0435 \u00ab\u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e\u0435 \u0440\u0435\u0432\u044c\u044e\u00bb \u0432 \u0441\u0442\u0430\u0440\u043e\u043c \u0441\u043c\u044b\u0441\u043b\u0435. \u042d\u0442\u043e \u0434\u043e\u043b\u0433: \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043f\u0440\u0438\u043d\u044f\u0442\u044b, \u043d\u043e \u043d\u0435 \u043f\u043e\u043d\u044f\u0442\u044b; \u0442\u0435\u0441\u0442\u044b \u0437\u0435\u043b\u0451\u043d\u044b\u0435, \u043d\u043e \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435; \u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0444\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e \u0435\u0441\u0442\u044c, \u0430 \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u043d\u0435\u0442.\u0426\u0438\u0444\u0440\u044b \u0438\u0437 \u0440\u0430\u0437\u043d\u044b\u0445 \u0441\u0440\u0435\u0437\u043e\u0432 2026 \u0433\u043e\u0434\u0430 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043e\u0434\u043d\u0443 \u0438 \u0442\u0443 \u0436\u0435 \u043a\u0430\u0440\u0442\u0438\u043d\u0443. \u0412 \u043e\u043f\u0440\u043e\u0441\u0435 Qodo (500 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u0438 300 engineering-\u043b\u0438\u0434\u0435\u0440\u043e\u0432) \u0438 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438, \u0438 \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u0438 \u043d\u0430\u0437\u0432\u0430\u043b\u0438 review\/validation AI-\u043a\u043e\u0434\u0430 \u0433\u043b\u0430\u0432\u043d\u043e\u0439 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u043e\u0439 delivery pipeline \u2014 \u043f\u043e 26% \u0432 \u043e\u0431\u0435\u0438\u0445 \u0433\u0440\u0443\u043f\u043f\u0430\u0445. Sonar \u0444\u0438\u043a\u0441\u0438\u0440\u0443\u0435\u0442, \u0447\u0442\u043e 96% \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u043d\u0435 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u0434\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u0444\u0443\u043d\u043a\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e\u0439 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u0438 AI-\u043a\u043e\u0434\u0430, \u043f\u0440\u0438 \u044d\u0442\u043e\u043c 58% \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 AI \u0434\u043b\u044f business-critical \u0441\u0435\u0440\u0432\u0438\u0441\u043e\u0432. Temporal: 85,5% \u0445\u043e\u0442\u044f \u0431\u044b \u0447\u0430\u0441\u0442\u0438\u0447\u043d\u043e \u0434\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u0432\u044b\u0432\u043e\u0434\u0430\u043c \u0430\u0433\u0435\u043d\u0442\u043e\u0432, \u043d\u043e \u043b\u0438\u0448\u044c 24,7% \u0434\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e; \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u044c \u2014 \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u0431\u0430\u0440\u044c\u0435\u0440 \u043f\u043e\u043b\u043d\u043e\u0439 \u0430\u0432\u0442\u043e\u043d\u043e\u043c\u0438\u0438 \u0434\u043b\u044f 39,5%.\u0414\u0430\u043b\u044c\u0448\u0435 \u2014 \u0442\u0435\u043b\u0435\u043c\u0435\u0442\u0440\u0438\u044f, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043e\u0431\u044a\u044f\u0441\u043d\u044f\u0435\u0442 \u0446\u0435\u043d\u0443. Faros AI \u043f\u0440\u0438 \u0432\u044b\u0441\u043e\u043a\u043e\u0439 AI-\u0430\u0434\u043e\u043f\u0446\u0438\u0438 \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u043b churn +861%, incidents-to-PR +242,7%, \u0440\u043e\u0441\u0442 \u0434\u0435\u0444\u0435\u043a\u0442\u043e\u0432 \u043d\u0430 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0430 \u0441 9% \u0434\u043e 54%, median review time +441,5%, PR \u0431\u0435\u0437 \u0440\u0435\u0432\u044c\u044e +31,3%. Harvard working paper \u043d\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 718 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0439: LOC \u043d\u0430 \u0440\u0430\u0431\u043e\u0442\u043d\u0438\u043a\u0430 +30%, \u043d\u043e \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u0435 issues\/epics \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043d\u0435 \u0432\u044b\u0440\u043e\u0441\u043b\u043e; \u0432\u0440\u0435\u043c\u044f PR\u2192merge +49%, \u0434\u043e\u043b\u044f PR \u043d\u0430 \u0434\u043e\u0440\u0430\u0431\u043e\u0442\u043a\u0443 \u043f\u043e\u0447\u0442\u0438 \u0443\u0434\u0432\u043e\u0438\u043b\u0430\u0441\u044c. Bain: \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0438 \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u044e\u0442 \u043d\u0430 21% \u0431\u043e\u043b\u044c\u0448\u0435 \u0437\u0430\u0434\u0430\u0447, \u043d\u043e \u0432\u0440\u0435\u043c\u044f \u043d\u0430 \u0440\u0435\u0432\u044c\u044e AI-\u0432\u044b\u0432\u043e\u0434\u0430 \u0432\u044b\u0440\u043e\u0441\u043b\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 91%.\u042d\u0442\u043e \u043e\u043f\u0440\u043e\u0441\u044b \u0438 \u0442\u0435\u043b\u0435\u043c\u0435\u0442\u0440\u0438\u044f, \u0430 \u043d\u0435 \u043b\u0430\u0431\u043e\u0440\u0430\u0442\u043e\u0440\u043d\u044b\u0439 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442. \u041d\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u043d\u043e-\u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0435\u043d\u043d\u0430\u044f \u0441\u0432\u044f\u0437\u044c \u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f:\u00a0\u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u044f\u043c\u0438, \u0430 \u0440\u0435\u0432\u044c\u044e \u2014 \u043b\u044e\u0434\u044c\u043c\u0438, \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0438 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435\u043c. \u0415\u0441\u043b\u0438 \u043d\u0430\u0441\u043e\u0441 \u0441\u0442\u0430\u043b \u043c\u043e\u0449\u043d\u0435\u0435, \u0430 \u0442\u0440\u0443\u0431\u0430 \u0442\u0430 \u0436\u0435, \u0434\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0440\u0430\u0441\u0442\u0451\u0442 \u043d\u0435 \u0442\u0430\u043c, \u0433\u0434\u0435 \u0436\u0434\u0430\u043b\u0438. Verification debt \u043d\u0430\u043a\u0430\u043f\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043d\u0435 \u0432 \u043c\u043e\u043c\u0435\u043d\u0442 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438, \u0430 \u0432 \u043c\u043e\u043c\u0435\u043d\u0442 merge: \u043a\u043e\u043c\u0430\u043d\u0434\u0430 \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c.\u0413\u0440\u0430\u043d\u0438\u0446\u0430 \u043f\u0440\u0438\u043c\u0435\u043d\u0438\u043c\u043e\u0441\u0442\u0438: \u0432 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0445 \u043a\u043e\u043c\u0430\u043d\u0434\u0430\u0445 \u0441 \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u043c \u0446\u0438\u043a\u043b\u043e\u043c \u043e\u0431\u0440\u0430\u0442\u043d\u043e\u0439 \u0441\u0432\u044f\u0437\u0438 \u0438 \u0441\u0438\u043b\u044c\u043d\u044b\u043c\u0438 \u0442\u0435\u0441\u0442\u0430\u043c\u0438 \u044d\u0444\u0444\u0435\u043a\u0442 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u043c\u044f\u0433\u0447\u0435. \u0412 legacy-\u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445 \u0441 \u043d\u0435\u044f\u0432\u043d\u044b\u043c\u0438 \u0438\u043d\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430\u043c\u0438 \u2014 \u0436\u0451\u0441\u0442\u0447\u0435. \u041f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0441\u0442\u043e\u0438\u0442 \u043d\u0435 \u043f\u043e \u043e\u0434\u043d\u043e\u043c\u0443 \u0447\u0438\u0441\u043b\u0443, \u0430 \u043f\u043e \u043d\u0430\u0431\u043e\u0440\u0443: review time, revert rate, incident rate, \u0434\u043e\u043b\u044f PR \u043d\u0430 \u0434\u043e\u0440\u0430\u0431\u043e\u0442\u043a\u0443, churn. \u0415\u0441\u043b\u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u0440\u0430\u0441\u0442\u0451\u0442, \u0430 merge latency \u0438 incidents \u0440\u0430\u0441\u0442\u0443\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u2014 \u0432\u044b \u0443\u0436\u0435 \u043f\u043b\u0430\u0442\u0438\u0442\u0435 verification debt.2. Harness \u043a\u0430\u043a \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u044b\u0439 \u043e\u0431\u044a\u0435\u043a\u0442, \u0430 \u043d\u0435 \u00ab\u043e\u0431\u0432\u044f\u0437\u043a\u0430\u00bbPrompt engineering \u0437\u0430\u043a\u0430\u043d\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0442\u0430\u043c, \u0433\u0434\u0435 \u043d\u0430\u0447\u0438\u043d\u0430\u0435\u0442\u0441\u044f \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435. Harness \u2014 \u044d\u0442\u043e \u0442\u043e, \u0447\u0442\u043e \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u043d\u043e\u0433\u043e \u0430\u0433\u0435\u043d\u0442\u0430: \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b, \u0434\u043e\u0441\u0442\u0443\u043f \u043a \u0444\u0430\u0439\u043b\u0430\u043c, shell, \u0442\u0435\u0441\u0442\u044b, \u043f\u043e\u043b\u0438\u0442\u0438\u043a\u0438, sandbox, \u043b\u043e\u0433\u0438, \u043f\u0430\u043c\u044f\u0442\u044c \u0438 human gates. \u0412 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0438\u00a0Code as Agent Harness\u00a0\u044d\u0442\u043e \u043e\u043f\u0438\u0441\u0430\u043d\u043e \u043a\u0430\u043a \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u0430\u044f \u043e\u0441\u043d\u043e\u0432\u0430: reasoning, action, environment modeling, verification, memory \u0438 multi-agent coordination. \u041a\u043e\u0434 \u0437\u0434\u0435\u0441\u044c \u2014 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u043d\u043e \u0438 \u0441\u0440\u0435\u0434\u0430, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0430\u0433\u0435\u043d\u0442 \u0434\u0435\u0439\u0441\u0442\u0432\u0443\u0435\u0442.\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 harness \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441\u044b:\u043a\u0430\u043a\u0438\u0435 \u043a\u043e\u043c\u0430\u043d\u0434\u044b \u0430\u0433\u0435\u043d\u0442 \u043c\u043e\u0436\u0435\u0442 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0442\u044c, \u0430 \u043a\u0430\u043a\u0438\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0442\u044c;\u043a\u0430\u043a\u0438\u0435 \u0444\u0430\u0439\u043b\u044b \u0438 \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u0438 \u0437\u0430\u0449\u0438\u0449\u0435\u043d\u044b \u043e\u0442 \u0437\u0430\u043f\u0438\u0441\u0438;\u043a\u0430\u043a\u0438\u0435 \u0442\u0435\u0441\u0442\u044b \u0441\u0447\u0438\u0442\u0430\u044e\u0442\u0441\u044f oracle, \u0430 \u043a\u0430\u043a\u0438\u0435 \u0430\u0433\u0435\u043d\u0442 \u043c\u043e\u0436\u0435\u0442 \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0442\u044c;\u0447\u0442\u043e \u043b\u043e\u0433\u0438\u0440\u0443\u0435\u0442\u0441\u044f: tool calls, file writes, shell-\u043a\u043e\u043c\u0430\u043d\u0434\u044b, \u0432\u043d\u0435\u0448\u043d\u0438\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u044b;\u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u0435\u043d human approval \u0438 \u043a\u0442\u043e \u0432\u043b\u0430\u0434\u0435\u0435\u0442 merge-\u0440\u0435\u0448\u0435\u043d\u0438\u0435\u043c;\u043a\u0430\u043a \u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u0435\u0441\u0442\u0438 \u0441\u0435\u0441\u0441\u0438\u044e \u0432 \u0447\u0438\u0441\u0442\u043e\u043c \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u0435.\u0422\u0430\u0431\u043b\u0438\u0446\u0430 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441\u043e\u0432:\u041a\u043e\u043c\u043f\u043e\u043d\u0435\u043d\u0442 harness\u0427\u0442\u043e \u0440\u0435\u0448\u0430\u0435\u0442\u0426\u0435\u043d\u0430\u0420\u0438\u0441\u043a \u043f\u0440\u0438 \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0438\u0438Allowlist \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432\u041e\u0433\u0440\u0430\u043d\u0438\u0447\u0438\u0432\u0430\u0435\u0442 blast radius\u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430\u0410\u0433\u0435\u043d\u0442 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442 \u043b\u0438\u0448\u043d\u0435\u0435Protected tests\u0417\u0430\u0449\u0438\u0449\u0430\u0435\u0442 oracle \u043e\u0442 test-gaming\u041c\u0435\u043d\u044c\u0448\u0435 \u0433\u0438\u0431\u043a\u043e\u0441\u0442\u0438\u0417\u0435\u043b\u0451\u043d\u044b\u0439 CI \u043f\u0440\u0438 \u0441\u043b\u043e\u043c\u0430\u043d\u043d\u043e\u043c \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0438Policy gates\u0424\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0443\u0435\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u0430\u041b\u043e\u0436\u043d\u044b\u0435 \u0441\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u043d\u0438\u044f\u041f\u0440\u0430\u0432\u0438\u043b\u0430 \u043e\u0441\u0442\u0430\u044e\u0442\u0441\u044f \u0432 MarkdownAudit log\u0414\u0430\u0451\u0442 traceability\u041e\u0431\u044a\u0451\u043c \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f\u041d\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442Human gate\u041b\u043e\u0432\u0438\u0442 high-risk \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f\u0417\u0430\u043c\u0435\u0434\u043b\u0435\u043d\u0438\u0435\u041e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u044b\u0442\u0430Sandbox\u0418\u0437\u043e\u043b\u0438\u0440\u0443\u0435\u0442 \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b\u0423\u0442\u0435\u0447\u043a\u0438 \u0438 \u043d\u0435\u0432\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c\u041f\u0441\u0435\u0432\u0434\u043e\u043a\u043e\u0434 policy gate:pythondef pre_merge_gate(diff, risk_score, changed_paths):    if any(path in PROTECTED_TESTS for path in changed_paths):        if modifies_assertions(diff) or removes_tests(diff):            return Block(&#171;protected tests changed&#187;)    if risk_score &gt; HUMAN_APPROVAL_THRESHOLD:        return RequireHuman(&#171;high blast radius&#187;)    if not has_machine_readable_evidence(diff):        return Block(&#171;no reproducible evidence&#187;)    return Allow()\u0410\u043d\u0442\u0438\u043f\u0430\u0442\u0442\u0435\u0440\u043d \u2014 \u00abAGENTS.md \u0438 \u043d\u0430\u0434\u0435\u0436\u0434\u0430\u00bb. \u041a\u043e\u043c\u0430\u043d\u0434\u0430 \u043f\u0438\u0448\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0444\u0430\u0439\u043b \u043f\u0440\u0430\u0432\u0438\u043b, \u0441\u0447\u0438\u0442\u0430\u0435\u0442, \u0447\u0442\u043e harness \u0433\u043e\u0442\u043e\u0432, \u0430 \u043d\u0430 \u0434\u0435\u043b\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u043d\u0435 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u044e\u0442\u0441\u044f. Harness \u2014 \u044d\u0442\u043e \u043d\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442, \u0430 \u043d\u0430\u0431\u043e\u0440 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u0439 \u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u043e\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043e\u0439\u0442\u0438 \u043f\u0440\u043e\u043c\u043f\u0442\u043e\u043c. \u0415\u0441\u043b\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u043e \u043c\u043e\u0436\u043d\u043e \u043d\u0430\u0440\u0443\u0448\u0438\u0442\u044c, \u043d\u043e \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0438\u0442\u044c \u043d\u0430\u0440\u0443\u0448\u0435\u043d\u0438\u0435 \u2014 \u044d\u0442\u043e \u043d\u0435 guardrail, \u0430 \u043f\u043e\u0436\u0435\u043b\u0430\u043d\u0438\u0435.\u041d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0437\u0434\u0435\u0441\u044c \u043d\u0435 \u00ab\u043b\u043e\u0433 \u0440\u0430\u0434\u0438 \u043b\u043e\u0433\u0430\u00bb. \u041d\u0443\u0436\u0435\u043d machine-readable \u043e\u0442\u0447\u0451\u0442: \u043a\u0430\u043a\u0438\u0435 \u043a\u043e\u043c\u0430\u043d\u0434\u044b \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u043b\u0438\u0441\u044c, \u043a\u0430\u043a\u0438\u0435 \u0442\u0435\u0441\u0442\u044b \u043f\u0440\u043e\u0448\u043b\u0438, \u043a\u0430\u043a\u0438\u0435 \u0444\u0430\u0439\u043b\u044b \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u044b, \u043a\u0430\u043a\u0438\u0435 \u0432\u043d\u0435\u0448\u043d\u0438\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u044b \u0431\u044b\u043b\u0438. \u0411\u0435\u0437 \u044d\u0442\u043e\u0433\u043e \u043d\u0435\u043b\u044c\u0437\u044f \u043d\u0438 \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442, \u043d\u0438 \u0441\u0440\u0430\u0432\u043d\u0438\u0442\u044c harness-\u0432\u0435\u0440\u0441\u0438\u0438. \u0412\u043e\u0441\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u043c\u043e\u0441\u0442\u044c \u2014 pinned commit, Docker\/\u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440, \u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 harness, \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043d\u043d\u044b\u0435 trajectories \u0438 verifier output.3. \u041a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u0430: AGENTS.md \u2014 \u043d\u0435 \u0441\u0435\u0440\u0435\u0431\u0440\u044f\u043d\u0430\u044f \u043f\u0443\u043b\u044f\u0421\u043e\u0431\u043b\u0430\u0437\u043d \u043e\u0447\u0435\u0432\u0438\u0434\u0435\u043d: \u0434\u0430\u0442\u044c \u0430\u0433\u0435\u043d\u0442\u0443 \u0432\u0435\u0441\u044c \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439, \u0438\u043d\u0434\u0435\u043a\u0441\u044b, \u043f\u0430\u043c\u044f\u0442\u044c \u0438 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0444\u0430\u0439\u043b \u043f\u0440\u0430\u0432\u0438\u043b. \u041d\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u2014 \u044d\u0442\u043e \u043d\u0435 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439 \u0440\u0435\u0441\u0443\u0440\u0441. AGENTbench \u043f\u043e\u043a\u0430\u0437\u0430\u043b \u0442\u043e\u043d\u043a\u0443\u044e \u043a\u0430\u0440\u0442\u0438\u043d\u0443: \u0430\u0433\u0435\u043d\u0442\u044b \u043e\u0431\u044b\u0447\u043d\u043e \u0441\u043b\u0435\u0434\u0443\u044e\u0442 \u0443\u043f\u043e\u043c\u044f\u043d\u0443\u0442\u044b\u043c \u0432\u00a0AGENTS.md\u00a0\u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043c \u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f\u043c, \u043d\u043e \u0438\u0437\u0431\u044b\u0442\u043e\u0447\u043d\u044b\u0435 \u0438\u043b\u0438 \u043d\u0435\u043d\u0443\u0436\u043d\u044b\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f \u043c\u043e\u0433\u0443\u0442 \u0443\u0445\u0443\u0434\u0448\u0430\u0442\u044c \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0442\u044c \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c. LLM-\u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 context files \u0432 \u0441\u0440\u0435\u0434\u043d\u0435\u043c \u0441\u043d\u0438\u0436\u0430\u043b\u0438 success rate \u0438 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u043b\u0438 inference cost \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c \u043d\u0430 20%; developer-written \u0444\u0430\u0439\u043b\u044b \u0434\u0430\u0432\u0430\u043b\u0438 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043f\u0440\u0438\u0440\u043e\u0441\u0442, \u043d\u043e \u0442\u0430\u043a\u0436\u0435 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u043b\u0438 \u0447\u0438\u0441\u043b\u043e \u0448\u0430\u0433\u043e\u0432 \u0438 \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c.\u041f\u0440\u0438 \u044d\u0442\u043e\u043c adoption \u0448\u0438\u0440\u043e\u043a\u0438\u0439. Galster et al. \u043d\u0430 2 853 GitHub-\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044f\u0445 \u0437\u0430\u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043b\u0438, \u0447\u0442\u043e context files \u0434\u043e\u043c\u0438\u043d\u0438\u0440\u0443\u044e\u0442,\u00a0AGENTS.md\u00a0\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0434\u0435-\u0444\u0430\u043a\u0442\u043e \u043c\u0435\u0436\u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043d\u044b\u043c \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043e\u043c, \u043d\u043e Skills, Subagents, Hooks \u0438 MCP \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u044e\u0442\u0441\u044f \u0440\u0435\u0434\u043a\u043e. Qodo: 42,6% \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u043e\u0432 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u044e\u0442 \u0446\u0435\u043d\u0442\u0440\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u043d\u044b\u0435 context\/rules-\u0441\u0438\u0441\u0442\u0435\u043c\u044b, \u043d\u043e \u043b\u0438\u0448\u044c 35% \u0433\u043e\u0432\u043e\u0440\u044f\u0442, \u0447\u0442\u043e \u0430\u0433\u0435\u043d\u0442\u044b\u00a0\u0432\u0441\u0435\u0433\u0434\u0430\u00a0\u0441\u043b\u0435\u0434\u0443\u044e\u0442 \u043e\u0440\u0433\u0430\u043d\u0438\u0437\u0430\u0446\u0438\u043e\u043d\u043d\u044b\u043c \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u0430\u043c; 43% \u043b\u0438\u0434\u0435\u0440\u043e\u0432 \u043d\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c \u043f\u0440\u043e\u0431\u0435\u043b\u043e\u043c.\u0417\u0434\u0435\u0441\u044c \u0435\u0441\u0442\u044c \u043f\u0440\u043e\u0442\u0438\u0432\u043e\u0440\u0435\u0447\u0438\u0435, \u043a\u043e\u0442\u043e\u0440\u043e\u0435 \u043d\u0435 \u0441\u0442\u043e\u0438\u0442 \u0441\u0433\u043b\u0430\u0436\u0438\u0432\u0430\u0442\u044c: context files \u0441\u0442\u0430\u043b\u0438 \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043e\u043c \u0434\u0435-\u0444\u0430\u043a\u0442\u043e, \u043d\u043e \u0438\u0445 \u0446\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u043d\u0435 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f. \u0421\u043e\u0432\u043c\u0435\u0441\u0442\u043d\u0430\u044f \u0438\u043d\u0442\u0435\u0440\u043f\u0440\u0435\u0442\u0430\u0446\u0438\u044f: \u0432\u0430\u0436\u043d\u044b \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c, \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u0438 \u0441\u043f\u043e\u0441\u043e\u0431 enforcement. \u0415\u0441\u043b\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u043e \u043c\u043e\u0436\u043d\u043e \u0432\u044b\u0440\u0430\u0437\u0438\u0442\u044c \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u043e\u0439 \u2014 \u043b\u0443\u0447\u0448\u0435 \u0432\u044b\u0440\u0430\u0437\u0438\u0442\u044c \u0435\u0433\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u043e\u0439. \u00ab\u041f\u0438\u0448\u0438 \u0447\u0438\u0441\u0442\u044b\u0439 \u043a\u043e\u0434\u00bb \u2014 \u044d\u0442\u043e \u043d\u0435 harness. \u00ab\u041b\u0438\u043d\u0442\u0435\u0440, \u0442\u0435\u0441\u0442\u044b, \u0437\u0430\u043f\u0440\u0435\u0442 \u043c\u0435\u043d\u044f\u0442\u044c protected tests, \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 review test diff\u00bb \u2014 \u044d\u0442\u043e harness.\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0432\u044b\u0432\u043e\u0434: \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0434\u043e\u043b\u0436\u0435\u043d \u0431\u044b\u0442\u044c \u043a\u043e\u0440\u043e\u0442\u043a\u0438\u043c \u0438 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u043c. \u0412\u043c\u0435\u0441\u0442\u043e \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437\u0430 wiki \u2014 \u0441\u0441\u044b\u043b\u043a\u0438 \u043d\u0430 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b \u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u044f\u0435\u043c\u044b\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438. \u0412\u043c\u0435\u0441\u0442\u043e \u00ab\u0432\u0441\u0435\u0433\u0434\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0439 \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0443 X\u00bb \u2014 allowlist \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439 \u0438 CI-\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430. \u0412\u043c\u0435\u0441\u0442\u043e \u00ab\u043d\u0435 \u043b\u043e\u043c\u0430\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443\u00bb \u2014 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0435 \u0442\u0435\u0441\u0442\u044b \u0438 import boundaries. \u0413\u0440\u0430\u043d\u0438\u0446\u0430: \u0434\u043b\u044f \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u0441\u043a\u0438\u0445 \u0437\u0430\u0434\u0430\u0447 \u0441 \u0432\u044b\u0441\u043e\u043a\u043e\u0439 \u043d\u0435\u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0451\u043d\u043d\u043e\u0441\u0442\u044c\u044e \u0436\u0451\u0441\u0442\u043a\u0438\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u043c\u043e\u0433\u0443\u0442 \u043c\u0435\u0448\u0430\u0442\u044c; \u0442\u0430\u043c \u043d\u0443\u0436\u0435\u043d \u0431\u043e\u043b\u0435\u0435 \u0441\u0432\u043e\u0431\u043e\u0434\u043d\u044b\u0439 harness, \u043d\u043e \u0441 \u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u044b\u043c human gate.4. \u0422\u0435\u0441\u0442\u044b \u043a\u0430\u043a oracle: \u0430\u0433\u0435\u043d\u0442 \u043d\u0435 \u0434\u043e\u043b\u0436\u0435\u043d \u0431\u044b\u0442\u044c \u0441\u0443\u0434\u044c\u0451\u0439\u0421\u0430\u043c\u0430\u044f \u043e\u043f\u0430\u0441\u043d\u0430\u044f failure mode \u2014 \u043d\u0435 \u00ab\u0430\u0433\u0435\u043d\u0442 \u043d\u0435 \u0443\u043c\u0435\u0435\u0442\u00bb, \u0430 \u00ab\u0430\u0433\u0435\u043d\u0442 \u043c\u0435\u043d\u044f\u0435\u0442 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0438 \u0447\u0438\u043d\u0438\u0442 \u0442\u0435\u0441\u0442\u044b \u043f\u043e\u0434 \u043d\u043e\u0432\u043e\u0435, \u043d\u0435\u0432\u0435\u0440\u043d\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435\u00bb. Addy Osmani \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u044d\u0442\u043e \u0433\u043b\u0430\u0432\u043d\u043e\u0439 \u0430\u0433\u0435\u043d\u0442\u043d\u043e\u0439 failure mode: \u0437\u0435\u043b\u0451\u043d\u044b\u0439 CI \u043f\u043e\u0441\u043b\u0435 \u043c\u0430\u0441\u0441\u043e\u0432\u043e\u0433\u043e \u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0442\u0435\u0441\u0442\u043e\u0432 \u043d\u0438\u0447\u0435\u0433\u043e \u043d\u0435 \u0434\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442. \u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044f \u2014 \u0447\u0438\u0442\u0430\u0442\u044c test diffs \u0440\u0430\u043d\u044c\u0448\u0435 \u043a\u043e\u0434\u0430 \u0438 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c mutation testing.\u042d\u0442\u043e \u043d\u0435 \u0447\u0430\u0441\u0442\u043d\u0430\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430. OpenAI \u0432 \u0438\u044e\u043b\u0435 2026 \u043e\u0442\u043e\u0437\u0432\u0430\u043b\u043e \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c SWE-Bench Pro \u043f\u043e\u0441\u043b\u0435 \u0430\u0443\u0434\u0438\u0442\u0430, \u043e\u0446\u0435\u043d\u0438\u0432\u0448\u0435\u0433\u043e \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 30% public tasks \u043a\u0430\u043a broken \u2014 \u0438\u0437-\u0437\u0430 overly strict tests, underspecified prompts, low-coverage tests \u0438 misleading prompts. DeepSWE \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0430, \u0447\u0442\u043e verifier \u0438\u0437 merged PR \u043c\u043e\u0436\u0435\u0442 \u043e\u0442\u043a\u043b\u043e\u043d\u044f\u0442\u044c \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u044b\u0435 \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u044f \u0438\u043b\u0438 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u0442\u044c \u043d\u0435\u043f\u043e\u043b\u043d\u044b\u0435: \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435 \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0433\u043e judge \u0441 verifier \u0441\u043e\u0441\u0442\u0430\u0432\u0438\u043b\u043e 32,4% \u0434\u043b\u044f SWE-Bench Pro \u043f\u0440\u043e\u0442\u0438\u0432 1,4% \u0434\u043b\u044f DeepSWE.\u0412\u044b\u0432\u043e\u0434: \u0432\u043e\u043f\u0440\u043e\u0441 \u043d\u0435 \u00ab\u043c\u043e\u0436\u043d\u043e \u043b\u0438 \u0430\u0433\u0435\u043d\u0442\u0443 \u0442\u0440\u043e\u0433\u0430\u0442\u044c \u0442\u0435\u0441\u0442\u044b\u00bb, \u0430\u00a0\u043a\u0430\u043a\u0430\u044f \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u0430\u044f oracle \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0441\u0442\u044c. \u0410\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u044b:Protected tests\u00a0\u2014 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u0442\u0435\u0441\u0442\u044b \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0441\u043b\u0430\u0431\u043b\u044f\u0442\u044c; \u0430\u0433\u0435\u043d\u0442 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0435\u0434\u043b\u0430\u0433\u0430\u0442\u044c \u043d\u043e\u0432\u044b\u0435, \u043d\u043e \u043d\u0435 \u043c\u0435\u043d\u044f\u0442\u044c assertions. \u041f\u043b\u044e\u0441: \u043f\u0440\u043e\u0441\u0442\u0430\u044f \u0437\u0430\u0449\u0438\u0442\u0430. \u041c\u0438\u043d\u0443\u0441: inherited tests \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u0443\u0437\u043a\u0438\u043c\u0438, flaky \u0438\u043b\u0438 \u043f\u0440\u043e\u0442\u0438\u0432\u043e\u0440\u0435\u0447\u0438\u0442\u044c \u0437\u0430\u0434\u0430\u043d\u0438\u044e.Hand-written functional verifiers\u00a0\u2014 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435, \u0430 \u043d\u0435 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0443 \u043f\u0430\u0442\u0447\u0430. \u041f\u043b\u044e\u0441: \u0443\u0441\u0442\u043e\u0439\u0447\u0438\u0432\u0435\u0435 \u043a \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u043d\u044b\u043c \u0440\u0435\u0448\u0435\u043d\u0438\u044f\u043c. \u041c\u0438\u043d\u0443\u0441: \u0434\u043e\u0440\u043e\u0433\u043e \u043f\u0438\u0441\u0430\u0442\u044c \u0438 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0442\u044c.Mutation testing\u00a0\u2014 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442, \u0447\u0442\u043e \u0442\u0435\u0441\u0442\u044b \u043b\u043e\u0432\u044f\u0442 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u044f. \u041f\u043b\u044e\u0441: \u0432\u044b\u044f\u0432\u043b\u044f\u0435\u0442 \u0441\u043b\u0430\u0431\u044b\u0435 \u0442\u0435\u0441\u0442\u044b. \u041c\u0438\u043d\u0443\u0441: \u0441\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432.\u041d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b\u0439 judge\u00a0\u2014 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0438\u043b\u0438 \u0447\u0435\u043b\u043e\u0432\u0435\u043a. \u041f\u043b\u044e\u0441: \u043c\u043e\u0436\u0435\u0442 \u043e\u0446\u0435\u043d\u0438\u0442\u044c \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u044b. \u041c\u0438\u043d\u0443\u0441: \u0441\u0430\u043c \u043d\u0435\u0431\u0435\u0437\u0443\u043f\u0440\u0435\u0447\u0435\u043d; \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0435 \u0441 verifier \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u0432\u044b\u0441\u043e\u043a\u0438\u043c.\u0413\u0440\u0430\u043d\u0438\u0446\u044b: \u0434\u043b\u044f legacy-\u043a\u043e\u0434\u0430 \u0441 \u043d\u0435\u044f\u0432\u043d\u044b\u043c\u0438 \u0438\u043d\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430\u043c\u0438 \u043d\u0438 \u043e\u0434\u0438\u043d \u0438\u0437 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u043e\u0432 \u043d\u0435 \u0434\u0430\u0451\u0442 \u043f\u043e\u043b\u043d\u043e\u0439 \u0433\u0430\u0440\u0430\u043d\u0442\u0438\u0438. \u041f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0441\u0442\u043e\u0438\u0442 \u043d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435: \u0435\u0441\u043b\u0438 \u0430\u0433\u0435\u043d\u0442 \u043c\u0430\u0441\u0441\u043e\u0432\u043e \u0440\u0435\u0434\u0430\u043a\u0442\u0438\u0440\u0443\u0435\u0442 \u0442\u0435\u0441\u0442\u044b, \u0430 CI \u0437\u0435\u043b\u0451\u043d\u044b\u0439 \u2014 \u044d\u0442\u043e \u043a\u0440\u0430\u0441\u043d\u044b\u0439 \u0444\u043b\u0430\u0433, \u0430 \u043d\u0435 \u0443\u0441\u043f\u0435\u0445. \u0415\u0441\u043b\u0438 verifier \u043e\u0442\u043a\u043b\u043e\u043d\u044f\u0435\u0442 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0435 \u0430\u043b\u044c\u0442\u0435\u0440\u043d\u0430\u0442\u0438\u0432\u043d\u043e\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u2014 \u044d\u0442\u043e \u0442\u043e\u0436\u0435 failure mode. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043d\u0443\u0436\u043d\u044b \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432, \u0434\u043e\u0432\u0435\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u044b \u0438 \u043e\u0446\u0435\u043d\u043a\u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e pass rate, \u043d\u043e \u0438 cost, latency, tool calls \u0438 regressions.5. \u0414\u043b\u0438\u043d\u043d\u044b\u0439 \u0433\u043e\u0440\u0438\u0437\u043e\u043d\u0442, \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435 \u0438 \u043c\u0443\u043b\u044c\u0442\u0438\u0430\u0433\u0435\u043d\u0442\u043d\u043e\u0441\u0442\u044c\u0427\u0435\u043c \u0434\u043b\u0438\u043d\u043d\u0435\u0435 \u0437\u0430\u0434\u0430\u0447\u0430, \u0442\u0435\u043c \u0432\u0430\u0436\u043d\u0435\u0435 \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u0435. Temporal \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442\u00a0tracking state\u00a0\u0433\u043b\u0430\u0432\u043d\u043e\u0439 \u043f\u043e\u043c\u0435\u0445\u043e\u0439 \u0431\u043e\u043b\u0435\u0435 \u0430\u043a\u0442\u0438\u0432\u043d\u043e\u043c\u0443 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044e \u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u2014 35,7%&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-500095","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/500095","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=500095"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/500095\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=500095"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=500095"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=500095"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}