Допустим, у тебя есть несколько AI-агентов. Один разбирает тикет, второй меняет код, третий запускает тесты, четвёртый готовит релиз. Задача закрыта, тесты зелёные, артефакт собран. Метрика success_rate показывает успех. Можно праздновать? Не обязательно. Агенты могли несколько раз выполнить одну…
Агенты выполнили задачу. Почему тест всё равно провален?
Это краткое изложение. Полный текст материала доступен на сайте источника.