Měl jsem stejnou myšlenku, tak jsem si s tím hrál v nanochatu. Například tady je 8 agentů (4 claude, 4 codex), každý s 1 GPU, která provádí nanochat experimenty (snaží se smazat logit softcap bez regrese). Stručně řečeno, nefunguje to a je to chaos... Ale pořád je to velmi hezké na pohled :) Zkoušel jsem několik nastavení: 8 nezávislých samostatných výzkumníků, 1 hlavní vědec zadávající práci 8 mladším výzkumníkům atd. Každý výzkumný program je větev gitu, každý vědec ho rozděluje na větev funkcí, git worktrees pro izolaci, jednoduché soubory pro komunikaci, přeskočte Docker/VM pro jednoduchost (instrukce mi stačí, aby zabránily rušení). Research org běží v tmux okenních mřížkách interaktivních sezení (jako Teams), takže je hezké se na ně dívat, vidět jejich individuální práci a případně "převzít", tedy bez -p. Ale důvod, proč to zatím nefunguje, je ten, že nápady agentů jsou prostě dost špatné mimo zaběhnuté koleje, i když jsou v nejvyšší inteligenci. Nepřemýšlejí pečlivě o návrhu experimentů, používají trochu nesmyslné variace, nevytvářejí silné základy a správně neablatují věci, nekontrolují pečlivě čas běhu nebo propadáky. (Jen jako příklad, agent včera "objevil", že zvětšení skryté velikosti sítě zlepšuje validační ztrátu, což je zcela nesmyslný výsledek, protože větší síť má nižší validační ztrátu v režimu nekonečných dat, ale zároveň trénuje mnohem déle, není jasné, proč jsem to musel zmínit). Jsou velmi dobří v realizaci jakéhokoliv dobře promyšleného a popsaného nápadu, ale kreativně ho nevytvářejí. Ale cílem je, že nyní programujete organizaci (například "výzkumnou organizaci") a její jednotlivé agenty, takže "zdrojový kód" je soubor promptů, dovedností, nástrojů atd. a procesů, které ho tvoří. Například denní standup ráno je nyní součástí "organizačního kódu". A optimalizace nanochat předškolení je jen jedním z mnoha úkolů (skoro jako hodnocení). Pak – při libovolném úkolu, jak rychle vaše výzkumná organizace generuje pokrok v něm?

S blížící se vlnou poptávky po tokenech se otevírají významné příležitosti orchestrálně upravit základní paměť+výpočetní zpracování *přesně tak* pro LLM. Základní a ne zřejmé omezení je, že díky procesu výroby čipu vznikají dva zcela odlišné paměťové pooly (také s různými fyzickými implementacemi): 1) SRAM přímo vedle výpočetních jednotek, která je neuvěřitelně rychlá, ale má velmi nízkou kapacitu, a 2) externí DRAM s extrémně vysokou kapacitou, Ale obsah můžete nasát jen dlouhým brčkem. Kromě toho je zde mnoho detailů architektury (např. systolická pole), numeriky atd. Návrh optimálního fyzického substrátu a následná orchestrace paměti+výpočetních procesů LLM (předplnění závěru/dekódování, trénink/doladění atd.) s nejlepší propustností/latencí/$ je pravděpodobně dnes nejzajímavější intelektuální hádankou s nejvyššími odměnami (citujte 4,6T NVDA). To všechno proto, abyste získali spoustu tokenů, rychle a levně. Dá se říci, že workflow, na kterém může záležet nejvíce (dekódování inference *a* nad dlouhými tokenovými kontexty v úzkých agentických smyčkách), je nejtěžší dosáhnout současně pro ~oba tábory dnešních komunit (HBM-první NVIDIA a SRAM-first Cerebras přiblíženy). Každopádně tým MatX má hodnocení A++, takže je mi potěšením se trochu zapojit a gratuluji k přidaní!

CLI jsou velmi vzrušující právě proto, že jsou "dědictvím" technologií, což znamená, že AI agenti je mohou nativně a snadno používat, kombinovat a komunikovat s nimi přes celý terminálový nástroj. Například požádejte svého Claude/Codex agenta, aby nainstaloval tento nový Polymarket CLI a požádejte o libovolné dashboardy, rozhraní nebo logiku. Agenti to postaví za vás. Nainstalujte také Github CLI a můžete je požádat, aby se orientovali v repozitáři, viděli problémy, PR, diskuse, dokonce i samotný kód. Příklad: Claude postavil tento terminálový dashboard za ~3 minuty, z největšího objemu polymarketů a 24hodinové změny. Nebo z toho můžete udělat webovou aplikaci nebo cokoli chcete. Ještě silnější, když ho použijete jako modul větších pipeline. Pokud máte jakýkoli produkt nebo službu, zamyslete se: mohou agenti k nim přistupovat a používat je? - Jsou vaše starší dokumenty (pro lidi) alespoň exportovatelné v Markdownu? - Napsal jsi Skills pro svůj produkt? - může být váš produkt/služba použitelná přes CLI? Nebo MCP? - ... Je rok 2026. Stav. Pro. Agenti.