なぜあなたのエージェントは数分後に動作を停止するのか？OpenAIエンジニア：スコアボードと外部メモリが必要です

ドンチャビーティングによる監視によると、Codexの /goal モードはエージェントがタスク完了まで継続的にループできるが、これにより曖昧な人間のプロンプトの欠点が増幅される。OpenAIのエンジニア、Chris Haydukは内部の実践経験から、'コードを最適化する’のような曖昧な指示は、エンドポイントが不明なためモデルが早期に諦めたり、盲目的な修正ループに陥ったりする可能性があると指摘した。エージェントが何日も、さらにはそれ以上に安定して動作できるように、彼は三つの規律を要約した：

• 定性的な用語を排除し、チェックリストに置き換える：モデルは何が「良い」かを評価できないが、「テストに失敗せずに時間を20％短縮する」などは理解できる。論文のフォーマットのような定性的なタスクに直面した場合、彼は200のフォーマット要件を含むMarkdownのチェックリストを直接Codexに提供し、抽象的なタスクを定量的に破壊的に変換した—「すべてのチェックボックスを完了させることが完了の条件」。
• 検証時間を数分に短縮：エージェントはテストを通じて行動を検証する必要がある。大規模な生産環境で何時間も動かさないようにし、代わりにサンプルデータセットと軽量なフレームワークを提供してフィードバックループをできるだけ短くする。
• 「外部脳」として三つのファイルを作成：たとえ大きなコンテキストウィンドウがあっても、数日運用すると記憶を失う。彼は、ローカルに三つのMarkdownファイルを直接作成することを推奨する：PLAN.md（マクロ計画）、EXPERIMENTS.md（実験と結果の記録）、EXPERIMENT_NOTES.md（リアルタイムの思考草稿）、これによりモデルに試行錯誤の過程を書き込ませる。