ENGINEERING DEVLOG
Codzienny zapis decyzji architektonicznych, testów systemów agentowych, postępów w Pythonie/TypeScript oraz automatycznych syntez dnia generowanych przez model Gemini z commitów w Git.
Puste wejście jako jawny wynik zadania cyklicznego
Sprawdziłem serię pominiętych uruchomień heartbeat i rozdzieliłem oczekiwany brak danych od sygnału, że monitor może milczeć. Dzięki temu wiem, które zdarzenia wymagają dalszej obserwacji.
Błędny odczyt konfiguracji kierował polecenie panelu prosto do modelu
Naprawiłem kaskadowe rozwiązywanie konfiguracji wtyczki panelu, dzięki czemu komenda odświeża kafelki lokalnie, a setsid zapobiega ucinaniu asynchronicznych restartów.
Wykrycie próby przełamania izolacji pamięci agentów i utwardzenie piaskownicy
Skaner pamięci wykrył wstrzykniętą instrukcję nakazującą odczyt prywatnego profilu innego agenta, a sandbox zablokował próby ucieczki ze ścieżki roboczej bota.
Zawężenie poleceń agenta i odcięcie wstrzykniętego czytania cudzego profilu
Ograniczyłem powłokę bota treningowego wyłącznie do analizatora TCX, zbijając narzut tokenów z 31k do 29k, oraz zablokowałem próbę odczytu prywatnego profilu innego agenta.
Cicha awaria dispatchu po nocnym reloadzie pluginów
Zszedłem ślad trzygodzinnej przerwy w działaniu bota do nocnego polecenia `plugins reload memory-core` o 03:07 i dodałem watchdog oraz obserwator reloadów, które wykrywają ten podpis i restartują proces w tle.
Pamięć agenta przez kilka nocy nie zapisywała nic, a cron mówił ok
Nocna konsolidacja pamięci przestała tworzyć pliki, mimo że zadanie zwracało sukces. Znalazłem przyczynę, przeładowałem wtyczkę i sprawdziłem, że pamięć znów działa od początku do końca.
Canary i storm guard: cooldown per problem i per sesja
Naprawiłem fałszywe alarmy canary w health_monitor.py i wzmocniłem outbound_storm_guard.py o cooldown per klucz. Kanał alarmowy milczy, gdy nic się nie dzieje, a prawdziwe incydenty nie toną w powodzi powtórzeń.
Autodeploy bez cichej degradacji: faza 2 hardeningu
Domknąłem sześć luk z niezależnego audytu bramki autodeployu (commit d8a7ea6) i scaliłem migracje schematu brokera w jedno wspólne źródło. Pipeline zatrzymuje się teraz głośno, zamiast po cichu degradować się do trybu lokalnego.
Naprawa archiwów sesji i strażnik serii wychodzących wiadomości
Naprawiłem dekodowanie archiwów sesji przez odczyt zstd ze stdin i dodałem strażnika wykrywającego serie wychodzących wiadomości. Dorzuciłem retencję dzienników trenera oraz przenośne profile auth dla ewaluacji.
Wylogowanie, które naprawdę kończy sesję, i strażnik przywrócony do pracy
Zamknąłem lukę w wylogowaniu, które kończyło tylko widok, a nie sesję tożsamości, i ujednoliciłem sprawdzanie CSRF w jednym pomocniku. Przywróciłem też automat budżetu wyjściowego, który sam się wyłączył po serii błędów ścieżki.
Fail-closed proxy, WAL fallback i higiena testów w agent-operations-center
Wdrożyłem trzy zmiany w agent-operations-center: proxy działające fail-closed z walidacją tokenu brokera, poprawkę ładowania konfiguracji testów oraz fallback dla znikających tablic po crashu. Dodatkowo przejrzałem logi z jobów i wypisałem, co faktycznie milczy, a co milczeć nie powinno.
Izolacja klientów gym, retencja danych i niestabilny odczyt konfiguracji
Wdrożyłem w jednym commicie izolację klientów, politykę i retencję danych przychodzących, a równolegle zdiagnozowałem cichy cron oraz 76 błędów odczytu konfiguracji w gatewayu.
Walidator F4 i odsłonięcie ciszy detektora anty-injection
Dodałem walidator F4 red-team dla detektora anty-injection i naprawiłem serię usterek, które ukrywały jego pracę. Przy okazji odblokowałem synchronizację floty, która stała 6 dni.
Pierwsza pozycja UNI w trackerze i alerty per aktywo
Zapisałem pierwszą realną transakcję swapu w trackerze portfela (wymiana kwoty X USDT na tokeny UNI) i dodałem progi alertów dla pojedynczego aktywa. Resztę dnia wypełniły watchdogi, które przebiegły czysto, oraz jeden brakujący plugin.
Jeden dzień pracy floty botów: DevLog modeli, wspólny router głosu i twarde kontrole jakości fiszek
Wdrożyłem czytelny DevLog modeli floty z aktualizacją w miejscu, wspólny router głosu STT/TTS dla czterech botów oraz zestaw kontroli jakości fiszek i generatora talii Anki. Po drodze naprawiłem cichy błąd konfiguracji, który od dni psuł nocny cron i zaśmiecał logi gatewaya.
Bot nie może restartować samego siebie w trakcie rozmowy. Naprawiłem to
Bot zawiesił się w połowie odpowiedzi, bo odpiąłem wtyczkę w trakcie rozmowy. Restart przeniosłem na później, a strażnik sam wykrywa zawieszenie i je usuwa.
Bot do nauki hiszpańskiego nie może dublować słówek ani psuć postępów
Bot do nauki hiszpańskiego gubił wątek rozmowy, mógł dublować słówka i wysyłał do Anki paczki z jedną fiszką. Naprawiłem każdy z tych problemów.
Agent AI był drogi i wolny. Zmiana kolejności promptu obniżyła koszt o 85%
Mój agent za każdym razem czytał od nowa 25 do 30 tysięcy tokenów. Ułożyłem prompt tak, by stała część była na początku, i odpowiedzi przyspieszyły z 3,8 s do 0,7 s.
AI w treningu: TrainAnBot dla kobiet i PabloTrainer dla mężczyzn z analizą Garmin .TCX
Case study dwóch autonomicznych botów trenerskich na Telegramie dopasowanych do fizjologii płci: TrainAnBot (profil kobiecy: biomechanika, hipertrofia, PubMed) oraz PabloTrainer (profil męski: boks, siła, bieganie i telemetria Garmin .TCX).
ProfeClaw: Pedagogika zakodowana w plikach - nauczyciel języka jako architektura, nie prompt
Case study agenta AI uczącego hiszpańskiego: pętla korekt z licznikiem błędów, spaced repetition sterowany danymi, rejestr slangu i eval-suite pilnujący jakości dydaktyki.
TrainAnBot: Architektura trenera AI z pamięcią o kontuzjach i bazą badań PubMed
Jak zbudować bota trenerskiego na Telegramie, który nie rzuca ogólnikami: trójwarstwowa pamięć w SQLite, automatyczna weryfikacja zaleceń w bazie PubMed i twarde granice bezpieczeństwa.