Armin Ronacher chỉ trích sự suy giảm chất lượng mã nguồn ở các agent AI dài hạn
Kỹ sư phần mềm Armin Ronacher đã chỉ ra cách các agent AI lập trình dài hạn tạo ra mã nguồn ngày càng kém chất lượng khi thực hiện các tác vụ kéo dài, đồng thời đặt câu hỏi liệu động lực phát triển AI hiện tại có đang ưu tiên việc hoàn thành tác vụ hơn là chất lượng phần mềm. Khi các phòng thí nghiệm AI chuyển hướng học tăng cường sang việc hoàn thành tác vụ dài hạn, chất lượng mã nguồn có thể suy giảm đến mức làm thất bại các chỉnh sửa tiếp theo của AI. Điều này nhấn mạnh khoảng cách lớn giữa điểm số benchmark và khả năng bảo trì phần mềm thực tế trong quy trình kỹ thuật. Khi các agent lập trình sinh ra mã nguồn chất lượng kém trong khoảng thời gian dài, nợ kỹ thuật tích tụ gây quá tải ngữ cảnh và làm giảm khả năng suy luận của mô hình trong các bước tiếp theo. Các ý kiến chỉ trích cũng chỉ ra rằng agent thường tốn quá nhiều thời gian tạo các thành phần phụ như tài liệu và quy trình thay vì bàn giao sản phẩm khả thi tối thiểu (MVP).
## KIẾN THỨC NỀN
Các agent AI dài hạn (long-horizon AI agents) là những hệ thống tự hành được thiết kế để thực hiện các mục tiêu phức tạp qua chuỗi hành động kéo dài nhiều bước, nhiều công cụ trong nhiều giờ, ngày hoặc tuần. Trong kỹ thuật phần mềm, các kỹ thuật học tăng cường (RL) được sử dụng để huấn luyện mô hình hoàn thành tác vụ nhiều bước, nhưng các phần thưởng chỉ tập trung vào việc giải quyết xong công việc có thể vô tình khuyến khích những giải pháp tạm thời thay vì kiến trúc sạch và dễ bảo trì.