Google EGM: ревьюеры без памяти проверяют ИИ-дизайн лучше

По данным Towards AI, открытый плагин Google Elephant-Goldfish Model (EGM) строит разработку по спецификациям так, что работа разделена между «слоном» и «золотыми рыбками». Название взято из репозитория Google: первая строка под логотипом гласит «Design with an elephant. Review with a goldfish», то есть проектировать нужно со слоном, а проверять с золотой рыбкой. Автор материала отмечает, что видел много инструментов для программирования на основе ИИ, но ни один из них не начинал с того, что просит модель намеренно что-то забыть. Суть подхода в том, что одна длинная сессия («слон») составляет черновик проекта, а затем отдельные сессии-ревьюеры с чистым контекстом («золотые рыбки») читают только этот черновик и набор критериев. Это происходит до того, как написан хотя бы один фрагмент кода. Ревьюеры не помнят историю разговора, поэтому не наследуют допущения автора и не подтверждают собственные ошибки. Архитектура EGM разбита на несколько слоёв: навыки и команды, ревьюеры-персоны без состояния, стандарты оформления документов и версионируемая «живая» документация. Рабочий процесс проходит несколько фаз. Сначала идёт мозговой штурм, затем составляется черновик. Далее следует многоэтапная структурированная проверка с расстановкой приоритетов и повторным просмотром. После этого замечания устраняются в цикле правок и согласования, и только затем начинается реализация. Когда код начинает расходиться со спецификацией, система формирует отчёт о расхождениях. В качестве конкретного примера в материале разобрана доставка вебхуков. Она показывает, как контекст «слона» может пропустить пробелы в проекте, которые ревьюеры, начавшие с чистого листа, замечают сразу. Автор также сопоставляет EGM с распространёнными способами работы с моделями: прямым написанием кода, самопроверкой в том же контексте, одним общим запросом «проверь это» и использованием устаревшей документации. В завершение автор называет ограничения подхода. EGM увеличивает стоимость и время выполнения задач, требует обвязки, которая поддерживает субагентов, и не заменяет тестирование или человеческое суждение. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.