Trôi dạt tài liệu giờ đây là lỗi runtime cho các tác nhân mã hóa AI

Trôi dạt tài liệu từng là một phiền toái đối với các nhà phát triển con người — một ngày lãng phí để truy tìm lý do tại sao đường dẫn thanh toán bị di chuyển. Giờ đây nó là một lỗi runtime. Các tác nhân mã hóa AI đọc AGENTS.md, CLAUDE.md, wiki và runbook như hướng dẫn vận hành. Một ghi chú kiến trúc lỗi thời không chỉ làm bối rối một lập trình viên mới; nó được tuần tự hóa thành một pull request trông có vẻ hiệu quả nhưng lại sai.

LangChain gần đây đã phát hành OpenWiki, một tác nhân mã nguồn mở và CLI tạo và duy trì tài liệu kho lưu trữ dành riêng cho các tác nhân mã hóa. Công cụ này tạo một thư mục openwiki/, thêm hướng dẫn tác nhân và hỗ trợ openwiki --init và openwiki --update với một mẫu GitHub Action. Đây là sự thừa nhận trực tiếp rằng tài liệu kho lưu trữ giờ đây là một phần của đường dẫn thực thi, không chỉ là tài liệu onboarding.

Tài liệu là một phần của Runtime ngay bây giờ

Tệp nóng — bộ nhớ đệm prompt hoặc AGENTS.md — chỉ nên chứa các quy tắc áp dụng cho mọi lần chạy: lệnh build, ranh giới dịch vụ, ràng buộc bảo mật. Nó không nên trở thành bãi chứa cho mọi quyết định kiến trúc từng được đưa ra. Nghiên cứu context-rot của Chroma cho thấy hiệu suất LLM suy giảm khi ngữ cảnh mở rộng trên 18 mô hình được thử nghiệm. Nhiều ngữ cảnh hơn không phải là tốt hơn; nó ồn hơn và có nhiều khả năng bám vào các đoạn văn lỗi thời.

Bài báo Codified Context (arxiv 2602.20478v1) trình bày một hệ thống C# 108.000 dòng với kiến trúc ngữ cảnh ba tầng: hiến pháp bộ nhớ nóng, tác nhân chuyên biệt và cơ sở tri thức bộ nhớ lạnh. Bài báo coi tài liệu hướng tới tác nhân như hạ tầng chịu tải — nó nên có chủ sở hữu, thay đổi trong quá trình xem xét, dễ diff và có cách để thất bại.

Trôi dạt là chế độ thất bại

Một runbook lỗi thời khiến một trợ lý sự cố làm việc với dashboard sai. Một tác nhân chạy các bài kiểm tra mà nhóm không còn trên đĩa và đẩy mã không chính xác. Giải pháp là đưa tài liệu hướng tới tác nhân vào cùng vòng lặp với đánh giá tác nhân. Nghiên cứu điển hình Pendo của LangChain cho thấy Novus đạt tỷ lệ thành công 90%+ trên các đánh giá do PM xem xét bằng cách kết nối phân tích sản phẩm, phát lại phiên và dấu vết LangSmith với các bản sửa lỗi mã. Nếu một người xem xét liên tục sửa cùng một lỗi, kiến thức đó thuộc về tài liệu hướng tới tác nhân.

Mixpanel báo cáo số lượng pull request tăng 50% với cùng đội ngũ kỹ thuật sau khi AI tham gia quy trình làm việc. Mã nhanh hơn làm cho ngữ cảnh lỗi thời đắt đỏ hơn. Mỗi pull request giờ đây yêu cầu cập nhật tài liệu cho các tác nhân, và mọi tiền đề sai tạo ra các vòng lặp làm lại. Toàn bộ hệ thống nghe có vẻ bận rộn trong khi sai.

Hãy coi tài liệu kho lưu trữ như các tệp cấu hình: được quản lý phiên bản, được xem xét và có chủ sở hữu. Giải pháp thay thế là một AI tự tin đưa ra thay đổi sai.