コーディングエージェント

チャットアシスタントはテキストで答えます。コーディングエージェントは、ツールにつながった大規模言語モデルです。ファイルを読み書きし、プログラムを実行し、その出力を見ることができます。目標を与えられると、ループで作業します。次の一手を計画し、実行し、結果を確かめ、次の一手を決めます。人は方向を決めて仕事をチェックし、手を動かすのはエージェントです。

モデルにそうしたツールを与え、セッションを維持し、人がモデルと話せるようにする周りのソフトウェアは、よくハーネスと呼ばれます。1つのハーネスには複数の場所からアクセスできることがあり、たとえば同じセッションにターミナルとスマホのアプリの両方からつなげます。

得意なことと苦手なこと

エージェントは機械的な作業が速いです。報酬項を書く、学習ランを起動する、何千行ものログを読む、動画を作る、といったことです。一方、シミュレーションのジャブがジャブらしく見えるかどうかを判断するのはずっと苦手です。その判断にはまだ人が必要で、だからこそ両者はペアで働きます（ヒューマン・イン・ザ・ループを参照）。

このプロジェクトでは

コーチのエージェントは常時稼働の小さなサーバーで動いており、コーチはスマホからエージェントと話します。エージェントは参照モーションを作って画像や短いクリップを送り返し、環境と報酬を書き、各学習ランをクラウドのマシンで起動し、そのログを見守り、テスト動画をグリッドにしてスマホに送り、次に何を変えるかを提案します。決めるのはコーチです。