Apakah yang telah dilakukan oleh ejen AI saya? Empat soalan yang perlu dijawab dengan bukti

Untuk mengetahui apa yang telah dilakukan oleh ejen AI anda, jangan mulakan dengan ringkasannya. Semak empat perkara: sambungan mana yang melakukan kerja itu, apa yang berubah (ditunjukkan oleh sesuatu yang boleh anda buka sendiri), apa yang belum dilakukan, dan apa yang diputuskan serta mengapa. Jika mana-mana daripada empat perkara itu hanya bergantung pada kata-kata ejen, apa yang anda ada ialah cerita, bukan rekod.

Kami yang membina Weft. Fakta tentang produk lain diambil daripada halaman rasmi mereka, disemak pada 27 Oktober 2026.

Mengapa komen yang berkata "siap" tidak mencukupi?

Komen ialah ejen menggambarkan kerjanya sendiri. Ia mungkin tepat, tetapi komen itu tidak dapat membuktikannya, kerana penulisnya ialah pihak yang sedang anda cuba semak. Mengetahui bahawa ejen menyentuh sesuatu tugas menjawab soalan siapa. Ia tidak menjawab sama ada kerja itu seperti yang anda sangka.

Artikel Hypertask tentang atribusi kerja AI membuat satu hujah yang adil: kerja ejen patut berada di papan yang sama dengan kerja manusia, bukan dalam log terminal yang tiada siapa baca. Hypertask juga memberi ejen identiti sendiri sebagai akaun perkhidmatan, jadi penulisan dikaitkan dengan ejen dan bukannya dengan anda, dan ia mempunyai bukti tugas dan pajakan, walaupun dokumentasinya menyatakan bahawa semua ini hanya titik akhir REST, bukan alat MCP, secara reka bentuk. Perbezaan kami ialah apa yang patut terkandung dalam rekod. Bebenang komen dengan output ejen ialah log tentang apa yang dikatakan oleh ejen. Kami mahu rekod itu memegang bukti.

Tiada angka tinjauan dalam panduan ini. Anda boleh menguji empat soalan ini pada papan anda sendiri petang ini, dan itu memberitahu anda lebih banyak daripada purata industri.

Apakah empat soalan itu?

Pilih mana-mana tugas yang disiapkan oleh ejen minggu lepas. Anda patut boleh menjawab setiap soalan ini dalam masa kurang seminit tanpa bertanya kepada ejen atau membuka sembangnya:

1. Siapa yang melakukannya? Klien mana, pada sambungan mana, yang menuntut dan menyiapkan tugas itu.
2. Apa yang berubah? Hasilnya, serta artifacts yang boleh anda semak tanpa mempercayai ejen: cincangan commit, URL, fail, id mesej.
3. Apa yang tidak dilakukan? Bahagian yang dilangkaunya, dan perkara yang ia tidak pasti.
4. Apa yang diputuskan, dan mengapa? Sebarang pilihan yang dibuat sepanjang jalan, dengan pilihan-pilihan yang ditimbang, dan setiap kali anda menghantar kerja itu balik.

Bagaimanakah saya tahu ejen mana yang melakukannya?

Weft bersambung kepada klien AI melalui Model Context Protocol di satu titik akhir, https://letsweft.com/api/mcp. Setiap klien OAuth dan setiap token akses peribadi ialah pelaku tersendiri. Tugas merekodkan klien mana yang menciptanya, dan papan memaparkan nama yang didaftarkan oleh klien itu semasa log masuk, serta ikon. Setiap peristiwa dalam jurnal tugas menyimpan sama ada ia datang daripada manusia atau melalui MCP, dan klien mana yang menghantarnya.

Jurnal penuh (get_task_history dalam mod full) memaparkan id klien mentah bagi setiap peristiwa: id klien OAuth, atau mcp-token diikuti id token. Ia bukan nama yang mesra, tetapi ia tepat, dan ia membezakan dua sambungan walaupun kedua-duanya datang daripada produk yang sama.

Pemilikan semasa kerja juga jelas. Ejen memanggil start_task, yang menuntut tugas dengan pajakan 20 minit dan mengalihkannya ke Doing. report_progress memperbaharui pajakan. Ejen kedua yang mencuba tugas yang sama mendapat already_claimed, dan pajakan yang luput membebaskan tugas untuk orang lain. Panduan gelung tuntutan menerangkan ini langkah demi langkah, dan menjalankan beberapa ejen pada satu papan merangkumi situasi berbilang klien.

Satu peraturan praktikal: berikan setiap alat sambungannya sendiri. Jika dua klien berkongsi satu token akses, papan melihat satu pelaku sahaja, dan soalan siapa kehilangan jawapannya.

Apa yang berubah, dan bolehkah saya menyemaknya tanpa bertanya kepada ejen?

Apabila ejen selesai, ia memanggil complete_task. Hanya id tugas yang wajib; yang lain semuanya pilihan, dan panggilan itu tidak pernah gagal kerana tiada bukti. Itu disengajakan: kehilangan kerja yang siap lebih buruk daripada merekodkannya tanpa pengesahan. Apa yang boleh dibawa oleh resit:

• outcome: sehingga 1,000 aksara tentang apa yang telah dilakukan dan di mana hasilnya berada.
• artifacts: sehingga 20 entri, setiap satu dengan jenis (url, file, message, commit, dan sebagainya), lokasi, dan secara pilihan digest sha256.
• claims: apa yang didakwa telah dilakukan oleh ejen, disimpan sebagai dakwaan dan bukan fakta yang disahkan.
• notDone dan unknowns: diterangkan dalam bahagian seterusnya.
• nextStep: apa yang akan dilakukan oleh ejen seterusnya jika anda menerima.

complete_task({
  "id": "<task id>",
  "runId": "<from start_task>",
  "leaseToken": "<from start_task>",
  "outcome": "Rate limiting added to /login; PR open, not merged.",
  "artifacts": [
    { "kind": "commit", "uri": "<repo>/commit/<hash>" },
    { "kind": "url", "uri": "<repo>/pull/<number>" }
  ],
  "notDone": ["Did not change the signup endpoint"],
  "unknowns": ["Limit of 5 per minute is a guess; no traffic data"],
  "nextStep": "Merge the PR to main"
})

Baris outcome masih sebuah cerita. Artifacts ialah bahagian yang boleh anda semak. Cincangan commit sama ada wujud dalam repositori anda atau tidak. URL sama ada dimuatkan atau tidak. sha256 fail sama ada sepadan atau tidak. Jika resit mempunyai outcome tetapi tiada artifacts, anggap ia sebagai kerja yang dilaporkan oleh ejen, kerana memang itulah ia. Di web, kad Done menunjukkan sama ada tugas itu Verified atau Agent-reported.

Apakah yang tidak dilakukan oleh ejen?

Inilah soalan yang dilangkau oleh kebanyakan rekod, dan yang akan menggigit dua minggu kemudian. complete_task mempunyai dua senarai untuknya, setiap satu sehingga 20 entri sepanjang 500 aksara: notDone untuk apa yang sengaja ditinggalkan oleh ejen, dan unknowns untuk apa yang ia tidak pasti. Penerangan alat itu sendiri meminta ejen menyatakan secara terang apa yang tidak dilakukannya. Itulah yang membezakan hasil yang boleh anda harapkan daripada hasil yang perlu anda hasilkan semula.

Baca senarai ini dahulu. "Tidak menjalankan ujian terhadap pangkalan data staging" mengubah apa yang anda lakukan seterusnya. Resit tanpa entri notDone pada tugas yang besar itu sendiri wajar dipersoalkan.

Apa yang diputuskan, dan mengapa?

Keputusan yang dibuat dalam sembang hilang apabila sembang tertolak ke atas. record_decision menyimpannya dengan dua cara:

• Rekod keputusan tersendiri: tajuk, hasil, konteks, pilihan yang benar-benar ditimbang, akibat, dan syarat untuk menyemaknya semula. Rekod tidak boleh diubah; mengubahnya bermakna merekodkan keputusan baharu yang menggantikannya, dan yang lama kekal, ditandakan sebagai digantikan.
• Penyampaian keputusan semakan: apabila anda memberitahu ejen dalam perbualan "diterima", "buat semula dengan X", "gugurkan" atau "bukan sekarang", ia merekodkan keputusan itu pada tugas, bersama nota anda.

get_task_history membacanya semula dalam tiga mod: summary (kad, resit terkininya dan kiraan), decisions (setiap keputusan tentang tugas itu, termasuk sebab ia dihantar balik, yang kekal walaupun selepas diterima kemudian) dan full (jurnal mentah, dihadkan kepada 100 peristiwa). get_context menyerahkan keputusan yang masih berkuat kuasa kepada ejen seterusnya dalam bajet token, jadi larian seterusnya bermula daripada apa yang telah diputuskan dan bukannya dari kosong. Lebih lanjut dalam mengapa keputusan dalam sembang AI hilang.

Di manakah saya menyemaknya, dan apa yang perlu saya klik?

Secara lalai, tugas yang siap terus pergi ke Done. Ia berhenti di Inbox anda apabila tugas memerlukan semakan atau apabila semakan pengesahan gagal. Di situ anda melihat resit dan empat butang: Accept, Rework, Later dan Drop. Rework meminta nota, dan nota itu dihantar kembali kepada ejen.

Jika ejen menghantar nextStep, ia dipaparkan di atas butang Accept, dan menerima bermakna meluluskan tepat langkah itu. Kelulusan itu sah selama 72 jam dan kembali kepada ejen melalui get_my_work atau start_task sebagai satu langkah yang perlu dilakukan seterusnya. Soalan yang ditanya oleh ejen dengan request_input masuk ke Inbox yang sama, di web dan dalam aplikasi iOS dan Android, dengan pemberitahuan tolak mudah alih.

Inbox sengaja dihadkan: 5 item menunggu untuk ruang kerja seorang, 10 untuk pasukan, atau 45 minit anggaran masa semakan, mana yang dahulu. Apabila ia penuh, start_task menolak dengan attention_queue_full, jadi ejen menyiapkan atau menjelaskan kerja dan bukannya menimbun lebih banyak untuk anda semak.

Bukti apakah yang patut saya minta mengikut jenis tugas?

Tulis ini dalam penerangan tugas supaya ejen tahu bukti apa yang anda jangkakan:

• Kod: cincangan commit dan URL PR sebagai artifacts. notDone patut menamakan ujian yang tidak dijalankan, migrasi yang tidak digunakan dan fail yang sengaja tidak disentuh.
• Kandungan: URL yang diterbitkan, atau fail draf dengan sha256-nya jika ia belum disiarkan. unknowns patut menyenaraikan fakta yang tidak dapat disahkan oleh ejen.
• Penyelidikan: URL sumber bagi setiap dakwaan utama, dan fail nota. unknowns patut memisahkan apa yang dinyatakan oleh sumber daripada apa yang disimpulkan oleh ejen.
• Jangkauan (outreach): id mesej bagi setiap mesej yang dihantar, dan senarai penerima sebagai fail. notDone patut menyenaraikan siapa yang tidak dihubungi dan mengapa.

Bagaimanakah saya mengawal apa yang boleh dilakukan oleh ejen sejak awal?

Atribusi selepas kejadian berfungsi paling baik dengan had sebelumnya. Dalam Weft, setiap sambungan OAuth mempunyai satu daripada tiga tahap kebenaran, ditetapkan pada skrin persetujuan atau kemudian di Settings, Connected AI clients:

• full (lalai): kesemua 32 alat.
• write: semua kecuali tiga alat yang memusnahkan (trash_task, archive_done_tasks, complete_sprint).
• read: hanya 11 alat baca sahaja.

Semakan ini berjalan pada setiap panggilan. Disconnect membatalkan token refresh sambungan itu dan menolak sebarang token yang dikeluarkan sebelum pemutusan pada panggilan seterusnya. Token akses peribadi, untuk klien tanpa OAuth, tiada skop: satu token mencapai kesemua 32 alat, dan membatalkannya berkuat kuasa pada panggilan seterusnya. Ejen boleh mengalihkan tugas ke tong sampah 30 hari tetapi tidak boleh memadamnya secara kekal; memulihkan daripada tong sampah ialah ciri Pro.

Apakah yang tidak dilakukan oleh Weft di sini?

• Ia tiada integrasi GitHub atau Slack, jadi Weft tidak mencari commit atau mesej anda untuk anda. Anda yang membuka artifact itu.
• Ia tiada REST API awam, webhook atau CLI untuk menolak resit ke sistem lain. Terdapat eksport JSON dan Markdown.
• Ia tidak menjejak langkah model. Alat yang merekodkan prompt, token dan kependaman pada lapisan model melakukan kerja yang berbeza, dan anda mungkin mahukan satu juga.
• Ejen menulis resit mereka sendiri. Weft menjadikan jurang antara dakwaan dan bukti kelihatan; ia tidak boleh menjadikan ejen jujur.

Jika anda mahukan ejen diurus sebagai akaun perkhidmatan melalui REST API, CLI untuk skrip CI, atau ciri AI terbina dalam seperti penulisan tugas dan triage, Hypertask lebih sesuai untuk itu. Halaman alternatif Hypertask kami membandingkan kedua-duanya bersebelahan.

Bukankah sejarah git sudah cukup untuk mengetahui apa yang dilakukan oleh ejen saya?

Git menunjukkan apa yang berubah dalam kod. Ia tidak menunjukkan apa yang dilangkau oleh ejen, apa yang ia tidak pasti, atau pilihan mana yang dibuatnya antara dua pilihan. Gunakan cincangan commit sebagai artifact pada tugas, dan simpan selebihnya dalam resit dan rekod keputusan.

Tidak bolehkah ejen mereka-reka artifact?

Ia boleh menghantar apa-apa rentetan. Inti artifact ialah anda boleh membukanya: cincangan yang boleh anda cari, URL yang boleh anda muatkan, id mesej yang boleh anda temui. Artifact rekaan gagal sebaik sahaja anda menyemaknya, sesuatu yang tidak pernah berlaku pada komen. Apabila tugas membawa semakan pengesahan dan semakan yang menyekat gagal, tugas itu kekal di luar Done.

Adakah setiap tugas yang siap menunggu semakan saya?

Tidak. Secara lalai, tugas yang siap pergi ke Done. Ia hanya menunggu di Inbox anda untuk Accept, Rework, Later atau Drop apabila tugas memerlukan semakan atau semakan pengesahan gagal.

Klien AI manakah yang boleh menulis resit ke Weft?

Mana-mana klien MCP. ChatGPT mempunyai Weft sebagai plugin yang diterbitkan pada setiap pelan, termasuk Free. Claude Code bersambung dengan claude mcp add --transport http weft https://letsweft.com/api/mcp. Claude.ai dan Claude Desktop menggunakan penyambung tersuai. Terdapat halaman persediaan untuk 33 klien, seperti Claude Code, ChatGPT, Cursor dan Codex.

Berapakah kosnya?

Free merangkumi 50 tugas dan 200 panggilan AI sebulan. Pro berharga $7 sebulan atau $60 setahun bagi setiap pengguna. Weft tiada kredit AI: pemikiran berlaku dalam klien AI anda sendiri. Lihat harga.