Entä jos koodipohja tallennettaisiin Postgresiin ja agentit muokkaisivat tiedostoja suoraan lukemalla/kirjoittamalla tietokantaan? Koodin nopeus on kasvanut 3–5-kertaiseksi. Tämä jatkuu epäilemättä. PR-arviointi on jo muodostunut pullonkaulaksi korkean tuottavuuden tiimeille. Koodipohjan tarkistettu tiedostojärjestelmä tuntuu huonolta primitiiviltä, kun koodia kirjoittaa 10-100-1000 agenttia. Koodi on nyt nopeaa dataa ja sitä tulisi mallintaa sen mukaisesti. Vähintäänkin tarvitsemme kirjoitustason atomisiteettiä ja parempaa koordinointia agenttien välillä, parempia synkronointiprimitiivejä koodipohjan tilan muutoksiin liittymiseen sekä reaaliaikaista tiedostotason koodia lint/fmt/review. Nykyinen ~20 vuotta vanha git checkout/branch/push/pr/review/rebase -malli päättyi tammikuussa 2026. Tarvitsemme kokonaan uuden perustavanlaatuisen koodin kirjoitusjärjestelmän, jos aiomme todella pysyä asteikkolakien tahdissa.

🚨UUTINEN: Alibaba testasi tekoälykoodausagentteja 100 oikealla koodipohjalla, joista kukin kesti 233 päivää. Agentit epäonnistuivat räikeästi. Kävi ilmi, että kokeiden läpäiseminen kerran on helppoa. Koodin ylläpito kahdeksan kuukautta rikkomatta kaikkea on se, missä tekoäly romahtaa. SWE-CI on ensimmäinen vertailutesti, joka mittaa pitkäaikaista koodin ylläpitoa kertavirhekorjauksen sijaan. jokainen tehtävä seuraa 71 peräkkäistä todellista kehitystä commitia. 75 % tekoälymalleista rikkoo aiemmin toiminutta koodia huollon aikana. vain Claude Opus 4 pysyy yli 50 %:n nollaregressioasteen. Jokainen muu malli kerää teknistä velkaa, joka kasaantuu iteraatioiden aikana. Tässä tulee brutaali osa: - HumanEval ja SWE-bench -mitta "toimiiko se juuri nyt" - SWE-CI-mittarit "toimiiko se edelleen kuuden kuukauden muutosten jälkeen" Agentit, jotka on optimoitu snapshot-testaukseen, kirjoittavat haurasta koodia, joka läpäisee testit tänään mutta muuttuu huomenna ylläpidottomaksi. Alibaba rakensi EvoScoren painottamaan myöhempiä versioita raskaampia kuin varhaiset. Agentit, jotka uhraavat koodin laadun nopeiden voittojen vuoksi, saavat rangaistuksen, kun seuraukset kasaantuvat. tekoälykoodauksen kertomus muuttui nyt rehellisemmäksi: useimmat mallit osaavat kirjoittaa koodia. lähes kukaan ei pysty ylläpitämään sitä.