800 запусков AI-агента: что происходит с архитектурой больших кодовых баз

AI-агенты уже умеют достаточно хорошо писать локальный код, но на больших существующих кодовых базах возникает другая проблема: агенту нужно понять, где должна находиться новая функциональность, какие зависимости допустимы, какие абстракции уже существуют и какие архитектурные ограничения нельзя нарушать. README, AGENTS.md и набор rules помогают, но большая часть архитектуры всё равно остаётся неявной - агент каждый раз заново реконструирует её из исходного кода.

Я проведу 80 воспроизводимых запусков AI-агента на 10 open-source репозиториях разного размера и архитектуры и сравню два подхода: обычную работу агента с кодовой базой и работу с дополнительным машиночитаемым представлением архитектуры, построенным с помощью Goga. В каждом случае агент будет решать одинаковые задачи, от локальных изменений до изменений, затрагивающих несколько модулей и специально подобранных архитектурных ловушек.

Посмотрим не только на то, собирается ли получившийся код и проходят ли тесты, но и на архитектурные нарушения, blast radius изменений, повторное использование существующих абстракций, количество исследованных файлов, tool calls, стоимость контекста и стабильность результата между запусками. В результате попробуем определить, при каком размере и устройстве кодовой базы явное описание архитектуры действительно помогает AI-агенту, а когда становится лишним overhead.