«Не промпти Claude. Построй систему, которая промптит себя». Интерес смещается от одного чата к агентным системам.
VOLYПроверяем не популярность multi-agent, а условия, при которых специализация и независимая проверка дают измеримый выигрыш.
AI-агент сказал «готово».
Но задача выполнена?
Мы сравниваем не убедительность ответа модели, а результат, который команда может проверить и принять: git diff, тесты, соблюдение scope, ручные исправления и итоговую стоимость.
Реальные кейсы · контролируемые эксперименты · независимая проверка
МетодологияГотова
Test bank30 задач
PilotВ процессе
РезультатыОжидаются
Почему это важно
«Готово» — это пять разных состояний.
Агент сообщил об успехе. Код изменился. Тесты прошли. Требования выполнены без лишнего scope. Человек или независимая проверка приняли результат — эти события нельзя смешивать.
VOLY изучает, где именно теряется смысл задачи, где исполнитель не справляется и где процесс проверки не замечает ошибку.
Signals from the field
О чём спорят команды прямо сейчас
Пользователи Claude Code обсуждают usage limits и ручные обходы: несколько аккаунтов, proxy CLI и альтернативные harnesses.
VOLYЭто подтверждает Job: завершить задачу без срыва из-за квоты — с прозрачным fallback и общей стоимостью результата.
Нативные Managed Agents уже вводят session budgets — базовая оркестрация быстро становится возможностью платформы.
VOLYПоэтому дифференциация VOLY — не роли сами по себе, а сквозной бюджет задачи между агентами, инструментами и fallback-переходами.
Большие multi-agent системы усиливают потребность в наблюдаемой среде, границах ролей и проверяемых эпизодах.
VOLYСначала собираем доверенные episodes и role metrics; self-play откладываем, пока доказательства результата недостаточно надёжны.
Показатели — снимок публичной активности на момент проверки. Это контекст рынка, а не результаты исследования VOLY.
Выберите глубину
Один вопрос.
Три маршрута.
Если у вас есть две минуты — начните с анкеты. Если хотите проверить выводы, откройте методологию или набор задач.