JawabanDipublikasikan12 sumber
Rancangan BMRalph V6: Hentikan Eksekusi V5, Pertahankan Pelajaran Penting
Rekomendasi utamanya adalah membekukan lapisan eksekusi V5, tetapi tetap mempertahankan metode analisis, keputusan arsitektur, dan bukti historisnya. Rancangan V6 memakai bmad loop untuk mengatur alur, satu kerangka eksekusi Cline, pemeriksaan eksternal, serta catatan pengalaman yang dibaca oleh tugas berikutnya.
Diterbitkan olehGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Rekomendasi utamanya adalah membekukan lapisan eksekusi V5, tetapi tetap mempertahankan metode analisis, keputusan arsitektur, dan bukti historisnya.
- Rancangan V6 memakai bmad loop untuk mengatur alur, satu kerangka eksekusi Cline, pemeriksaan eksternal, serta catatan pengalaman yang dibaca oleh tugas berikutnya.
- Keberhasilan unit test tidak membuktikan bahwa model, tinjauan independen, pemulihan setelah koneksi terputus, dan commit sudah berjalan sebagai satu sistem.
- V6 belum layak dinyatakan siap: integrasi siklus hidup Cline, penguncian tinjauan buta, gerbang Jev, dan uji kerja berlanjut di VPS masih perlu bukti nyata.
![[GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you operate via client side tool execution on the](https://d15bya8fi85z1v.cloudfront.net/chat/U0oDXR2yOIV8X9qOFcgLiFJcoUp2/images/A90C0EC23DEF257BE45D/1FF656F82B0EAD4E36E8.png)
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: [GATEWAY PROTOCOL ADVISORY] [SYSTEM INSTRUCTION — AUTONOMOUS AGENT ACTIVE: In THIS session you operate via client side tool execution on the. Article summary: <tool call {"name":"attempt completion","arguments":{"result":"建议冻结 V5 执行层，完整保留分析层；V6 条件采用“上游编排器＋单一 Cline 执行框架＋外部验证＋文本经验”。但当前不能宣布 V6 已可启动：Cline 生命周期适配、独立盲审隔离、Jev 外部门禁和真实断开闭环仍缺运行证据。\n\n BMRalph V6 目标架构方案与 V5 历史病理解剖报告\n\n . Topic tags: general web, llm, ai, workflow, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Inti rekomendasi
Lapisan eksekusi BMRalph V5 sebaiknya dibekukan, bukan terus diperpanjang dengan lapisan kontrol baru. Metode analisis, batas otorisasi, keputusan arsitektur, dan bukti historisnya tetap berguna. Untuk V6, rancangan yang lebih ramping mengandalkan bmad-loop sebagai pengatur alur, Cline sebagai satu-satunya kerangka eksekusi, pemeriksaan eksternal, serta catatan pengalaman berbasis teks.
Namun, ini masih rancangan, bukan sistem yang sudah siap diluncurkan. Bukti yang tersedia belum menunjukkan bahwa Cline memenuhi kontrak siklus hidup bmad-loop, tinjauan kode benar-benar terpisah dari sesi pengembang, gerbang Jev gagal dengan aman saat bermasalah, atau pekerjaan di VPS berlanjut setelah klien lokal terputus.
Pelajaran dari V5: pencatatan bukan berarti pekerjaan selesai
Dalam berkas proyek yang diperiksa, bmad_control_store.py berjumlah 315 baris—bukan 1.728 baris seperti yang disebut dalam riwayat. Modul itu menggunakan catatan berkas yang bersifat append-only, bukan basis data SQL. Bukti untuk versi lama yang disebut berjumlah 1.728 baris tidak tersedia dalam pemeriksaan ini.
Modul tersebut mengelola identitas direktori, izin berkas, penguncian, versi permintaan, kesinambungan riwayat, batas ukuran, serta pemeriksaan ulang setelah penyimpanan. Tetapi, berdasarkan batas fungsi yang terdokumentasi, modul itu tidak mengautentikasi orang, memberi otorisasi eksekusi, memulai tugas, atau menyimpan kemajuan tugas.
Masalah arsitekturnya bukan bahwa setiap pemeriksaan keamanan tidak berguna. Masalahnya adalah protokol pencatatan yang rumit dibangun sebelum hubungan antara keputusan manusia dan pekerjaan yang benar-benar dijalankan terbukti tuntas. Catatan yang lengkap tetap bukan bukti bahwa tugas selesai.
Ada pula klaim yang perlu dibatasi. Ukuran kode yang besar tidak otomatis membuktikan terjadinya “context explosion”: hal itu bergantung pada apakah kode atau isinya berulang kali dimasukkan ke konteks model. Demikian pula, penggunaan penguncian nonblocking menunjukkan konflik dapat membuat operasi ditolak, tetapi bukan bukti bahwa sistem benar-benar mengalami deadlock.
Eksekutor yang berbeda menambah beban integrasi
Konfigurasi eksekutor V5 yang diperiksa menonaktifkan skill, ekstensi, MCP, templat prompt, dan berkas konteks. Akibatnya, eksekutor tidak menemukan skill BMAD secara native. Jika tetap ingin memakai alur BMAD, lapisan luar harus menguraikan isi skill, memasok dependensi, dan menjaga pemetaan versinya.
Ini bukan bukti bahwa eksekutor sama sekali tak bisa menjalankan BMAD. Namun, beban yang seharusnya ditangani oleh pemuatan skill native berpindah ke lapisan tambahan. Karena itu, rancangan V6 mengusulkan satu kerangka eksekusi saja dan menolak migrasi ulang driver, protokol, serta lapisan kompatibilitas eksekutor lama.
Tes lokal menguji komponen, bukan seluruh produk
Rencana proyek mencatat bahwa 231 unit test khusus pernah lulus. Angka itu merupakan catatan historis; tesnya tidak dijalankan ulang dalam peninjauan ini. Dokumen yang sama juga mencatat bahwa backend nyata, autentikasi independen, langkah baru setelah klien ditutup, dan alur kerja jarak jauh belum tervalidasi.
Unit test dapat menunjukkan bahwa, misalnya, aturan penguncian atau batas anggaran berfungsi sesuai implementasi. Namun, itu belum membuktikan bahwa CLI menjalankan skill dengan benar, panggilan model menghasilkan peristiwa selesai yang andal, tinjauan terpisah berfungsi, atau VPS dapat melanjutkan ke langkah berikutnya setelah IDE lokal terputus. Jadi, masalahnya bukan bahwa semua tes tersebut “palsu”, melainkan bahwa cakupan pengujiannya berbeda dari klaim kesiapan sistem.
Pembagian tugas yang diusulkan untuk V6
| Komponen | Tugas utama | Batasnya |
|---|---|---|
| bmad-loop | Memilih Story, mengelola sesi, verifikasi, batas percobaan, status, dan commit | Tidak mengubah tujuan atas nama pengguna atau membuat loop pengendali kedua |
| Cline CLI | Menjalankan satu tugas pengembangan atau tinjauan dalam konteks baru | Tidak menjadi pengatur rencana, Hub latar belakang, atau sistem tim kedua |
| BMAD-METHOD | Menyediakan alur kerja, peran, dan keterampilan yang dimuat sesuai kebutuhan | Tidak disalin ke cabang skill privat atau dimuat seluruhnya untuk setiap tugas |
| solo-jev-gate | Menilai Diff dan bukti untuk mendeteksi pelanggaran semantik serta mengelompokkan kegagalan | Tidak mengubah kode, memilih Story berikutnya, atau mengesampingkan kegagalan tes nyata |
| Mekanisme pengalaman ala Harness² | Menyimpan pelajaran yang memiliki bukti dan batas penerapan untuk tugas berikutnya | Tidak mengubah gerbang wajib atau membuat loop optimasi baru |
bmad-loop menggunakan kontrol programatis untuk hal-hal seperti pemilihan Story, batas percobaan, gerbang, dan pemeriksaan penyelesaian. Itu tidak berarti sistem berjalan tanpa model: pembuatan dan peninjauan kode tetap dilakukan dalam sesi agen baru. Dokumentasi yang diperiksa menjelaskan urutan pengembangan, verifikasi, tinjauan independen, verifikasi ulang, lalu commit. Isolasi Worktree perlu diaktifkan secara eksplisit.
Ada beberapa batas bawaan yang penting. Tinjauan independen tidak selalu diwajibkan oleh konfigurasi default. Anggaran token Story yang bersifat peringatan juga bukan penghentian keras. Karena itu, kebutuhan V6 harus dipenuhi lewat sambungan gerbang yang didukung, bukan dengan menyalin ulang mesin status dan mekanisme percobaan bmad-loop.
Satu kerangka Cline, dua profil
Rancangan ini membedakan profil DEV dan REVIEW, bukan dua sistem otonom. Profil DEV diberi izin menulis ke Worktree Story yang telah disetujui. Profil REVIEW memakai konfigurasi dan sesi terpisah, lalu hanya menerima kriteria penerimaan, kandidat perubahan yang dibekukan, sumber kode terkait, dan bukti tes.
Nama model yang diusulkan adalah Sonnet 5.5 untuk DEV dan GPT-6-Sol untuk REVIEW. Namun, belum ada bukti bahwa nama itu cocok dengan ID model penyedia yang sesungguhnya. Identitas model, protokol penyedia, kredensial, dan anggaran biaya harus diverifikasi lewat konfigurasi yang tidak memuat rahasia serta hasil pemanggilan nyata.
Kesenjangan integrasi Cline juga belum terpecahkan. Daftar CLI bmad-loop yang diperiksa belum mencakup Cline, sementara adaptor generiknya membutuhkan lifecycle hook dan dokumentasi hook yang tersedia belum mencantumkan Cline. Jadi, membuat pemetaan peristiwa di atas kertas saja tidak cukup. Pengujian harus memastikan sesi baru dapat dimulai dan berakhir, identitas sesi dapat diverifikasi, pesan biasa tidak disalahartikan sebagai penyelesaian tugas, pembatalan menghentikan proses, dan informasi penggunaan yang tidak tersedia dilaporkan sebagai tidak diketahui.
Tinjauan kode dan peran Jev
Tinjauan independen harus bekerja pada kandidat perubahan dan bukti, bukan menerima percakapan atau pembelaan dari agen pengembang. Jika kandidat berubah setelah ditinjau, persetujuan lama tidak lagi berlaku.
Jev dapat menerima suatu keadaan dan pertanyaan bertipe, lalu mengembalikan jawaban terstruktur. Dokumentasi TypeSafe menjelaskan Jev sebagai model pengambilan keputusan, bukan agen percakapan atau model pelengkap kode.1
2 Hal itu mendukung pemakaiannya sebagai bagian dari gerbang eksternal, tetapi tidak membuktikan bahwa Jev selalu dapat mengidentifikasi semua pelanggaran kode atau penyebab kegagalan tes.
Karena itu, pemeriksaan sebaiknya memiliki dua lapisan:
- Pemeriksaan deterministik untuk menemukan seluruh berkas yang berubah, termasuk berkas baru, lalu membandingkannya dengan jalur yang diizinkan. Pelanggaran jalur harus langsung gagal, bukan diputuskan lewat suara model.
- Penilaian Jev terhadap Diff, kriteria penerimaan, dan bukti kegagalan untuk mengklasifikasikan pelanggaran semantik atau membedakan masalah implementasi, lingkungan, dan hal yang belum diketahui. Hasil yang tidak diketahui tidak boleh dianggap lulus.
Sebagai contoh kontrak, kode keluar 0 dapat berarti pemeriksaan lulus, 1 berarti kandidat melanggar batas, dan 75 berarti layanan, autentikasi, transportasi, atau lingkungan tidak tersedia. Jika layanan eksternal gagal, alur harus berhenti sementara—bukan menyamarkan kegagalan itu sebagai masalah kode atau melewati gerbang.
Contoh satu Story, dari pengembangan hingga commit
Misalkan sebuah Story yang telah disetujui bertujuan mencegah pesanan terkirim dua kali. Alur yang diusulkan:
- bmad-loop memilih tiket yang telah diotorisasi dan membuat Worktree terpisah.
- Sesi Cline DEV yang baru membaca Story, kriteria penerimaan, pengalaman relevan, dan kode yang diperlukan.
- Agen membuat perubahan dan menambahkan pengujian untuk kasus pengiriman ulang. Berakhirnya sesi hanya menandakan agen berhenti, bukan bahwa Story lulus.
- Pemeriksaan deterministik menilai semua berkas yang berubah, tes terkait dijalankan, dan Jev menilai kesesuaian semantik. Kegagalan wajib menghentikan proses sebelum commit.
- Kandidat dan bukti dibekukan, termasuk identitas konten, perintah tes, dan hasil nyata. Berkas baru juga harus masuk ke bahan tinjauan.
- Sesi Cline REVIEW yang baru menilai kandidat tanpa membaca obrolan DEV. Hasilnya harus berupa keputusan yang bisa diperiksa—lulus, ditolak, atau belum diketahui—beserta alasannya.
- Setelah keputusan, pengalaman baru boleh ditulis jika ada pelajaran yang didukung bukti. Jangan membuat “pelajaran” hanya agar sistem terlihat terus belajar.
- Sebelum commit, sistem memeriksa kembali identitas kandidat, tes, hasil Jev, dan keputusan tinjauan. Perubahan pada kode setelah persetujuan membatalkan persetujuan tersebut.
- bmad-loop menangani commit dan penggabungan. Jika penyimpanan atau commit terputus, sistem mempertahankan status asli alih-alih menambahkan mesin pemulihan buatan sendiri.
- Story berikutnya dimulai dalam konteks baru dan hanya membaca pengalaman yang relevan serta telah disimpan.
Satu Story yang berhasil belum cukup untuk membuktikan bahwa pengalaman benar-benar memengaruhi pekerjaan berikutnya. Untuk klaim itu, dibutuhkan setidaknya Story kedua yang membaca catatan tersebut.
Pengalaman dari Harness²: ambil idenya, jangan klaim implementasi penuh
Materi proyek tentang Harness² menggambarkan perbaikan dua tingkat: penyempurnaan dalam satu tugas dan pembelajaran harness lintas tugas, dengan bobot model tetap. Namun, materi yang diperiksa menyebut eksekutor OpenCode dan Codex, bukan Cline. Karena itu, rancangan V6 sebaiknya disebut mekanisme pengalaman berbasis teks yang terinspirasi Harness², bukan implementasi penuh Harness².
Setiap catatan di experience.md dapat memuat kondisi pemicu, pelajaran yang dapat ditindaklanjuti, lokasi Story dan bukti, serta kasus ketika pelajaran itu tidak berlaku. Catatan pengalaman tidak boleh mengubah otorisasi atau kriteria penerimaan. Hanya pelajaran yang memiliki bukti yang boleh diteruskan ke tugas berikutnya.
Menguji kerja di VPS tanpa melebih-lebihkan hasil
Sasaran V6 adalah agar pekerjaan yang memang telah dimulai di VPS tetap berjalan ketika klien IDE lokal terputus. Itu berbeda dari bekerja tanpa jaringan sama sekali: model dan layanan Jev yang jarak jauh tetap membutuhkan konektivitas. Jika VPS tak dapat mengaksesnya, perilaku yang benar adalah berhenti dengan status yang jelas dan mempertahankan hasil, bukan berpura-pura dapat melanjutkan.
Pengujian perlu mencakup koneksi model atau Jev yang gagal, tes yang gagal, tinjauan yang menolak atau kedaluwarsa, perubahan kandidat setelah tinjauan, kegagalan menulis pengalaman, gangguan saat commit, dan permintaan berhenti dari manusia. Untuk kasus terakhir, bukti yang dibutuhkan bukan sekadar perintah berhenti terkirim, tetapi bahwa sesi serta proses alat benar-benar berakhir.
Worktree mengisolasi perubahan kode, tetapi tidak otomatis mengisolasi semua proses, kredensial produksi, atau berkas yang dapat dibaca peninjau. Karena itu, batas akses dan kredensial tetap perlu dikelola terpisah.
Keputusan akhir
Bekukan lapisan eksekusi V5 dan jangan menganggap catatan 231 tes historis sebagai lampu hijau untuk V6. Pertahankan analisis dan pelajaran yang masih berguna, lalu buat rencana V6 dengan identitasnya sendiri agar status pekerjaan baru tidak tercampur dengan rencana lama.
Arah arsitektur V6 masuk akal, tetapi kesiapan operasional belum terbukti. Langkah berikutnya bukan membangun pengendali baru, melainkan menguji apakah Cline benar-benar memenuhi kontrak bmad-loop dan apakah tinjauan independen dapat menahan commit saat terjadi penolakan, ketidakpastian, atau gangguan layanan. Jika sambungan itu tidak berhasil, hentikan peluncuran pada batas tersebut—jangan menghidupkan kembali kompleksitas V5 dengan nama baru.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Rancangan BMRalph V6: Hentikan Eksekusi V5, Pertahankan Pelajaran Penting"?
Rekomendasi utamanya adalah membekukan lapisan eksekusi V5, tetapi tetap mempertahankan metode analisis, keputusan arsitektur, dan bukti historisnya.
Apa poin penting yang harus divalidasi terlebih dahulu?
Rekomendasi utamanya adalah membekukan lapisan eksekusi V5, tetapi tetap mempertahankan metode analisis, keputusan arsitektur, dan bukti historisnya. Rancangan V6 memakai bmad loop untuk mengatur alur, satu kerangka eksekusi Cline, pemeriksaan eksternal, serta catatan pengalaman yang dibaca oleh tugas berikutnya.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Keberhasilan unit test tidak membuktikan bahwa model, tinjauan independen, pemulihan setelah koneksi terputus, dan commit sudah berjalan sebagai satu sistem.