Multi-agentní review swarm v integrovaném vývojovém workflow

Analyzováno: 1 dokument / 672 slov

Executive Summary

• Notion AI ve spojení s prostředím Boxy podporuje souvislý vývojový tok: od nestrukturovaného hlasového kontextu přes technickou specifikaci až po asynchronní implementaci a lokální ověření.
• U podstatných změn Review Swarm rozděluje changeset podle domén, kombinuje review správnosti a udržovatelnosti a používá více rodin modelů k omezení slepých skvrn.
• Pracovní úkol zároveň funguje jako živý deník, do něhož agent zapisuje průběžné objevy, problémy a architektonická rozhodnutí.

Core Knowledge

Vstup a plánování

Vývoj může začít dlouhým, volným hlasovým záznamem vloženým do Notion AI. Tento typ vstupu zachycuje kontext, nuance i detaily, které by při ruční formulaci zadání mohly chybět. Model z něj podle zdroje odfiltruje výplňová slova, opravy a odbočky, aby z něj vytvořil použitelný základ pro plánování.

Pokud je zadání jen vysokoúrovňové, agent před návrhem řešení zkoumá konkrétní kontext: strukturu komponenty, relevantní adresáře, odkazy, konfigurační soubory a závislosti. Výstupem je engineering specifikace uložená jako úkol v Notion. Má obsahovat požadavky, odkazy na kód, implementační schémata a kroky ověření.

Kontextové vývojové prostředí

Boxy je interní vzdálené vývojové prostředí s virtuálními stroji a cloudovým výpočtem. Po připojení k vláknu Notion AI poskytuje agentovi přístup k privátnímu kódu, Git historii, pull requestům a struktuře repozitáře. Agent tak může prohledávat adresáře, vyhledávat reference a prostřednictvím příkazové řádky spouštět shellové skripty i kontrolní utility.

Běžný izolovaný sandbox nemá podle zdroje přístup ke sdílenému podnikovému kontextu ani k aktivnímu kódu, takže agent pracuje s omezenými informacemi.

Implementace a ověřování

Implementační vlákno se propojí s hotovou specifikací. Agent následně upravuje soubory a importy v Boxy, spouští linting, Jest a kontroly kompilace TypeScriptu. Běh je asynchronní: vývojář může úlohu spustit a k výsledku se vrátit později.

Při selhání lintování, testů nebo kompilace agent opakuje cyklus úprav a kontrol. Cílem není pouze vygenerovat změnu, ale dovést ji do stavu, kdy lokální kontroly projdou.

Review Swarm

Review Swarm je určen pro rozsáhlé změny kódu. Hlavní agent nejprve rozdělí changeset podle domén, například na frontendovou a backendovou část. Pro každou část deleguje specializované kontroly:

• Correctness review hledá logické chyby, funkční bugy a okrajové případy.
• Maintainability review posuzuje znovupoužitelnost, strukturální vzory, architektonická omezení a škálovatelnost.

Hodnocení probíhá napříč více rodinami LLM, ve zdroji například GPT a Claude Opus. Primární supervizor potom sjednotí nálezy do reportu s akčními položkami. Změny se upravují a review cyklus pokračuje, dokud swarm neověří splnění požadovaných kritérií.

Dokumentační stopa a pracovní prostředí

Notion úkol se v průběhu práce proměňuje v živý pracovní deník. Funkce Edit References umožňuje zapisovat do jeho popisu zjištění, problémy a architektonická rozhodnutí. Vzniká tím průběžná dokumentace rozhodovacího procesu.

Zdroj popisuje, že Notion soustřeďuje brainstorming, řízení úkolů, orchestraci prostředí, spouštění kódu, testování i multi-agentní review. Tím omezuje nutnost přepínat mezi aplikacemi. Zdroj explicitní anti-patterny nedefinuje.

Decision Rules

• IF jsou změny kódu podstatné, THEN použij před lidským zásahem Review Swarm, rozděl changeset podle domén a deleguj kontroly správnosti i udržovatelnosti.
• IF chceš omezit slepé skvrny jednoho modelu, THEN proveď hodnocení napříč více rodinami LLM a výsledky nech sloučit hlavním supervizorem.
• IF implementace selže na lintování, testech nebo kompilační kontrole, THEN uprav soubory a opakuj kontrolní cyklus, dokud lokální kontroly neprojdou.
• IF je vstupní zadání pouze vysokoúrovňové, THEN nejdříve prozkoumej adresáře, reference, konfigurace a závislosti; až poté vytvoř detailní engineering specifikaci.

Quality Criteria

Checklist

• Specifikace obsahuje požadavky, odkazy na kód, implementační schémata a kroky ověření.
• Implementace prošla lintingem a relevantními testovacími nebo kompilačními kontrolami.
• Review pokrývá správnost, funkční chyby, okrajové případy, udržovatelnost, architekturu a škálovatelnost.
• Nálezy specializovaných reviewerů jsou sloučeny do reportu s konkrétními akčními položkami.
• Pracovní úkol obsahuje záznam objevů, problémů a architektonických rozhodnutí.

Red flags

• Rozsáhlý changeset nebyl rozdělen podle domén ani posouzen specializovanými reviewery.
• Implementace skončila bez opakování kontrol po chybě lintování nebo testu.
• Hodnocení se opírá o jedinou modelovou rodinu bez více-modelové redundance.
• V pracovním úkolu chybí průběžná dokumentace zjištění a architektonických rozhodnutí.

Benchmarky

Oblast	Vyhovující stav	Nevyhovující stav
Review komplexní změny	Changeset je rozdělen podle domén, více modelů jej kontroluje z hlediska správnosti i udržovatelnosti a nálezy jsou převedeny na akční položky.	Jediné obecné review bez doménového rozdělení a bez syntézy specializovaných nálezů.
Implementační cyklus	Agent spouští linting a testy a při selhání iteruje, dokud kontroly neprojdou.	Agent vytvoří změny bez popsaného kontrolního a opravného cyklu.

Edge Cases

• Hranice pro nasazení swarmu: Zdroj uvádí Review Swarm pro podstatné změny, ale nedefinuje přesnou hranici, podle níž změnu označit za podstatnou.
• Chybějící kontext repozitáře: Běžný sandbox nemusí mít přístup k celopodnikovému kontextu. Zdroj jako workaround uvádí Boxy připojené k vláknu Notion AI.
• Neúplný vstupní materiál: Dodaný text končí u nedokončené části o omezení přepínání mezi aplikacemi. Závěry k této části proto mohou být neúplné.

Metadata

• Celkový počet zdrojů: 1
• Pokrytí: 92 %
• Důvěryhodnost: vysoká - Zdroj podrobně popisuje vývojový workflow, Boxy, tvorbu specifikací, implementační kontrolní cyklus a Review Swarm; omezením je neúplný konec vstupu a absence přesné hranice pro použití swarmu.
• Zdroj 1: How to Build a Multi-Agent Review Swarm