Ship It With AI Mihai Cvasnievschi
ENRO

Anexa C - Surse și lecturi suplimentare

55 min de citit

Anexa asta există pentru că fiecare afirmație din manual merită o sursă verificabilă, dacă vrei să mergi pe fir până la capăt. Am organizat intrările după afirmație, nu după sursă, ca să poți porni de la un pasaj din corpul cărții și să ajungi la dovezile din spatele lui. Intrările sunt grupate pe categorii (studii, incidente cunoscute, vulnerabilități cu versiuni de patch, documentația tool-urilor, marketplace-uri, surse pentru componenta principală Memory, surse pentru componenta principală Permisiuni / Sandbox, surse despre bucla exterioară și autonomie, surse despre harness și migrarea între modele), iar fiecare intrare are aceeași formă: afirmația, sursa, unde anume e folosită în manual și orice avertisment care merită știut.

Studii și cercetare

Studiu
Afirmația
Dezvoltatorii open-source experimentați care au folosit asistență AI pe repo-uri pe care le cunoșteau bine au fost cu 19% mai lenți decât aceiași dezvoltatori fără ea, deși estimaseră în prealabil că vor fi cu 24% mai rapizi - un decalaj de 43 de puncte între accelerarea așteptată și încetinirea măsurată, care a persistat în auto-evaluările lor chiar și după ce datele i-au contrazis.
Sursa
Becker et al., METR, "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity," July 10, 2025. arXiv: arxiv.org/abs/2507.09089. Articol: metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/. Schimbarea de design a follow-up-ului: metr.org/blog/2026-02-24-uplift-update/.
Unde e folosită
Anexa D, Capitolul 3 (studiul randomizat controlat METR).
Atenție
Studiul a testat asistența AI brută (Cursor + Claude), fără o variabilă pentru disciplina formulării. Interpretarea că disciplina de workflow e variabila lipsă îmi aparține mie, nu studiului. Follow-up-ul METR de la sfârșitul lui 2025 a suferit un selection bias sever (dezvoltatorii refuzau tot mai des randomizarea fără AI) și a produs doar estimări slabe; METR a anunțat un experiment reproiectat pe 24 februarie 2026 și avertizează împotriva extrapolării cifrei de 19% la tool-urile actuale.

Incidente cunoscute

Incident
Afirmația
În iulie 2026, Slopfix, o echipă de trei senior engineers, a oferit să readucă la o formă întreținabilă codebase-uri scrise de agenți („vibecoded”), la un preț fix de 10.000 de dolari pentru o săptămână de lucru, plătit proporțional cu reducerea de linii de cod agreată, și a pus umflarea codului pe seama agenților care nu mai văd imaginea de ansamblu și duplică cod în loc să-l găsească. Pentru curățenie folosesc Claude Code, „în lesă foarte scurtă”.
Sursa
Slopfix, odra.dev/slopfix/; prima pagină Hacker News, 7 iulie 2026 (news.ycombinator.com/item?id=48823359). Preluat de Tom's Hardware, PC Gamer și TechRadar.
Unde e folosită
Prolog (Zece mii de dolari pe săptămână) și Încheiere.
Atenție
E pagina de ofertă a unui furnizor, nu un raport de incident și nici un studiu. Cifra „100.000 de linii reduse la 35.000” de pe pagină e un exemplu ilustrativ, nu un client numit; titlurile din presă au transformat-o în „până la 65%”. Pagina nu are dată; data e cea a postării pe Hacker News. O folosesc pentru pattern-ul de eșec pe care îl numește, care se potrivește cu ce raportează echipele, nu ca dovadă a cât de răspândit e.
Incident
Afirmația
Pe 24 aprilie 2026, PocketOS și-a pierdut baza de date de producție în nouă secunde, când un agent Cursor bazat pe Claude Opus 4.6 a invocat Volume Delete de la Railway printr-un API token găsit pe parcurs, în timpul unei încercări de recuperare după o nepotrivire de credențiale. Railway spune că vechea rută de API a făcut o ștergere în cascadă care a făcut backup-urile să pară indisponibile și că a recuperat baza de date, cu toate datele, din backup-urile offsite de disaster recovery. Token-ul avea acces la nivel de cont (account-scoped).
Sursa
Railway, "Your AI wants to nuke your database," April 29, 2026 (blog.railway.com/p/your-ai-wants-to-nuke-your-database). Reported by DevOps.com ("When AI Goes Really, Really Wrong"), Business Insider (Jer Crane statement), and others. Anthropic's Claude Opus 4.6 system card (February 2026) describes the model that powered the agent.
Unde e folosită
Capitolul 2 (Guardrails în cinci straturi); Anexa D, Capitolul 2 (PocketOS: unde diferă relatările și ce au schimbat platformele).
Atenție
Cronologia recuperării diferă între relatările publice - restore-ul făcut de Railway ar fi durat ~30 de minute după ce Crane i-a contactat, în timp ce alte relatări vorbesc de ~30 de ore sau două zile până la restaurarea operațională completă. Folosesc incidentul pentru pattern-ul de guvernanță, nu ca reconstituire criminalistică exactă. Urmarea: pe 29 aprilie 2026, Railway a anunțat că ștergerile prin API, până atunci imediate, fac acum soft-delete cu aceeași fereastră de recuperare de 48 de ore ca în dashboard. Token-urile cu scope de workspace și de proiect existau deja; sesiunea a folosit unul la nivel de cont. Reverificat pe 30 octombrie 2026.
Incident
Afirmația
La sfârșitul lui februarie 2026, Alexey Grigorev de la DataTalks.Club a pierdut doi ani și jumătate de infrastructură de cursuri, când Claude Code a lucrat pe un state file Terraform rămas în urmă și a rulat terraform destroy peste ce a interpretat el drept resurse orfane.
Sursa
Public account by Alexey Grigorev (DataTalks.Club), late February 2026.
Unde e folosită
Capitolul 2 (Guardrails în cinci straturi); Anexa D, Capitolul 2 (PocketOS: unde diferă relatările și ce au schimbat platformele).
Atenție
Pierderea de date a fost parțială; AWS a restaurat aproximativ 1,94 milioane de rânduri dintr-un snapshot, în circa o zi. Incidentul e documentat public, dar cu mai puțină acoperire decât PocketOS. Follow-up-ul lui Grigorev documentează întărirea adoptată după: delete protection și în Terraform, și în AWS, starea mutată în S3, review manual al fiecărui plan distructiv și un tier de suport AWS mai ridicat.
Incident
Afirmația
Post-mortem-ul tehnic al Anthropic din 23 aprilie 2026 („An update on recent Claude Code quality reports”) a recunoscut trei regresii: effort-ul implicit de reasoning coborât de la high la medium pe 4 martie (revenit pe 7 aprilie), un bug de caching din 26 martie care golea istoricul de raționament la fiecare tur în loc de o dată pe oră de inactivitate (reparat pe 10 aprilie, v2.1.101) și un plafon de verbozitate în system prompt din 16 aprilie, care a produs o scădere măsurată de ~3% a calității (revenit pe 20 aprilie). Separat și mai devreme, Stella Laurenzo, Senior Director la AMD, a publicat un audit independent (6 aprilie, depus ca issue GitHub anthropics/claude-code#42796) pe 6.852 de sesiuni Claude Code și 234.760 de tool call-uri, care arăta trecerea de la un comportament research-first la unul edit-first pe măsură ce ascunderea thinking-ului a crescut de la 1,5% la 100% dintre tururi, atribuind degradarea în parte rollout-ului din februarie al lui adaptive thinking activat implicit.
Sursa
Post-mortem-ul de engineering Anthropic, 23 aprilie 2026: anthropic.com/engineering/april-23-postmortem. Auditul Laurenzo: issue-ul GitHub anthropics/claude-code#42796; acoperire în The Register, 6 aprilie 2026.
Unde e folosită
Anexa D, Capitolul 3 (februarie-aprilie 2026: disciplina absoarbe o regresie de la vendor).
Atenție
Atribuirea către rollout-ul de adaptive thinking din februarie îi aparține lui Laurenzo, nu vendorului; cele trei cauze recunoscute de post-mortem încep în martie. Cele două relatări coincid pe regresii și diverg pe cauza cea mai timpurie.
Incident
Afirmația
Analiza Microsoft despre worm-ul de supply chain ChainDrop arată că acesta folosea credențiale GitHub furate ca să injecteze fișiere în configurația Claude și Visual Studio Code (.claude/settings.json, .vscode/tasks.json și scripturi de setup asociate) pe branch-urile repository-urilor, pentru persistență, astfel încât activitatea ulterioară din Claude sau VS Code să poată reporni payload-ul.
Sursa
Microsoft Security, "ChainDrop supply-chain compromise: anatomy of a self-propagating worm," August 4, 2026: microsoft.com/en-us/security/blog/2026/08/04/chaindrop-supply-chain-compromise-anatomy-self-propagating-worm/.
Unde e folosită
Capitolul 2 (Injecția ajunge prin munca în sine); Anexa D, Capitolul 2.
Atenție
Analiza unei singure campanii. Articolul vorbește de căi de configurație „Claude”; lecția e că o configurație de agent sau de editor e executabilă și face parte din recuperarea după incident.

Vulnerabilități cu versiuni de patch

Vulnerabilitate
Afirmația
Check Point Research a raportat două vulnerabilități Claude Code legate de configurația de proiect din surse nesigure. Avertismentul de trust de la pornire nu spunea clar că, dacă accepți un folder, hook-urile lui pot rula fără altă confirmare (GHSA-ph6w-f82w-28w6, fără CVE, patch-uită în v1.0.87). Separat, un bug în dialogul de trust permitea unui proiect să execute cod înainte ca utilizatorul să-l accepte (CVE-2025-59536, GHSA-4fgq-fpq9-mr3g, patch-uită în v1.0.111).
Sursa
Check Point Research, February 25, 2026. Anthropic advisories: GHSA-ph6w-f82w-28w6, GHSA-4fgq-fpq9-mr3g. CVE-2025-59536. NVD: nvd.nist.gov/vuln/detail/CVE-2025-59536. Articol: research.checkpoint.com/2026/rce-and-api-token-exfiltration-through-claude-code-project-files-cve-2025-59536/.
Unde e folosită
Anexa D, Capitolul 2 (trei clase de vulnerabilități din spatele straturilor unu-trei).
Atenție
Fix-urile au fost livrate pe 26 august și 22 septembrie 2025; advisory-ul despre dialogul de trust a fost publicat pe 3 octombrie 2025, iar articolul Check Point în februarie 2026. Să accepți trust-ul înseamnă deja să permiți execuția. Versiunile dinaintea patch-urilor rămân vulnerabile; clasa de probleme supraviețuiește patch-urilor specifice. Reverificat pe 30 octombrie 2026.
Vulnerabilitate
Afirmația
Claude Code era vulnerabil la exfiltrarea de API key-uri prin injecție de configurație: setări controlate de atacator, care suprascriau ANTHROPIC_BASE_URL înainte de promptul de trust, puteau scurge API key-urile.
Sursa
Check Point Research, February 2026. CVE-2026-21852; Anthropic advisory GHSA-jh7p-qr78-84p7, January 20, 2026.
Unde e folosită
Anexa D, Capitolul 2 (trei clase de vulnerabilități din spatele straturilor unu-trei).
Atenție
Patch-uită în Claude Code v2.0.65. Aceeași clasă ca CVE-2025-59536: execuția configurației de proiect nesigure înainte de trust.
Vulnerabilitate
Afirmația
Knostic a raportat în decembrie 2025 că, în setup-ul observat, Claude Code încărca fișierele .env* din directorul de lucru fără permisiune explicită, punându-le valorile în mediul procesului. Knostic precizează că asta nu dovedește că valorile au ajuns în contextul modelului, dar recomandă să presupui că pot ieși din mediul local.
Sursa
Knostic, December 2025: knostic.ai/blog/claude-loads-secrets-without-permission. Aria controalelor curente: code.claude.com/docs/en/sandboxing.
Unde e folosită
Capitolul 2 (Stratul 3: Secrete); Anexa D, Capitolul 2 (trei clase de vulnerabilități din spatele straturilor unu-trei), numită în clasa de vulnerabilități de auto-încărcare a fișierelor dot-env.
Atenție
O relatare datată, nu o afirmație că fiecare sesiune curentă încarcă automat aceste fișiere. denyRead pentru shell și setările de credențiale protejează comenzile pe care le acoperă; citirile native de fișiere au nevoie de permisiuni separate. Ține secretele în afara mediului agentului dacă nicio cale de citire nu trebuie să ajungă la ele. Aria curentă a fost verificată pe 23 octombrie 2026.
Vulnerabilitate
Afirmația
Regulile de deny din Claude Code erau ocolite în tăcere atunci când o comandă de shell înlănțuia mai mult de 50 de subcomenzi (plafon dur MAX_SUBCOMMANDS_FOR_SECURITY_CHECK = 50), verificarea de securitate retrogradând la un prompt generic de "ask".
Sursa
Adversa AI Red Team, disclosed April 1, 2026. Articol: adversa.ai/blog/claude-code-security-bypass-deny-rules-disabled/.
Unde e folosită
Capitolul 2 (Când se strică); Anexa D, Capitolul 2 (trei clase de vulnerabilități din spatele straturilor unu-trei), ca exemplul de bypass prin plafonul parserului pentru ideea că "orice strat luat individual poate avea un mod de eșec silențios".
Atenție
Patch-uită în Claude Code v2.1.90 în primele zile ale lui aprilie 2026 - writeup-ul Adversa consemnează fix-ul până pe 4 aprilie, la câteva zile de la dezvăluire. Clasa - straturi de guvernanță cu plafoane de parser care cedează în tăcere - e ce trebuie să-ți rămână în minte după ce plafonul specific dispare.
Vulnerabilitate
Afirmația
Articolul lui Kinney din aprilie 2026 arată că o regulă de deny pentru tool-ul integrat Read nu blochează un subproces Bash care citește același fișier. Nici o regulă care recunoaște o anumită comandă nu acoperă neapărat accesul echivalent prin alt program.
Sursa
Adam Kinney, April 2026. Articol: Claude Code's Deny Rules Don't Protect You - Here's What Actually Does.
Unde e folosită
Anexa D, Capitolul 2 (trei clase de vulnerabilități din spatele straturilor unu-trei), ca o clasă de bypass al parserului de permisiuni.
Atenție
Rezultatul privește acoperirea parserului de comenzi, nu fiecare regulă de deny din fiecare agent. Restricțiile de citire de la nivel de OS protejează procesele acoperite de sandbox chiar dacă parserul ratează o citire; tool-urile native de fișiere au nevoie de permisiuni separate. Verifică versiunea instalată și toate căile disponibile de citire.
Vulnerabilitate
Afirmația
Două vulnerabilități zero-click de prompt injection în sandbox-ul Cursor - CVE-2026-50548 și CVE-2026-50549 (CVSS 9.8, botezate „DuneSlide”) - abuzau allowlist-ul de scriere pe directorul de lucru și un fallback de rezolvare a symlink-urilor ca să evadeze din sandbox și să ajungă la remote code execution la nivel de OS. Toate versiunile dinainte de Cursor 3.0 (2 aprilie 2026) erau afectate; 3.0 le-a reparat pe ambele.
Sursa
Cato Networks (Cato AI Labs), dezvăluite la mijlocul lui 2026. Writeup: catonetworks.com/blog/duneslide-two-critical-rce-vulnerabilities/; acoperire: SecurityWeek, The Hacker News, iulie 2026.
Unde e folosită
Capitolul 2 (Când se strică); Anexa D, Capitolul 2 (escape-urile din sandbox), stratul doi.
Atenție
Lecția e clasa, nu vendorul: și cel mai puternic strat poate avea bug-uri - exact de-asta straturile sunt cinci, nu unul.
Vulnerabilitate
Afirmația
Cercetătorii Mozilla 0Din au demonstrat un proof of concept de prompt injection indirect în care un repository determină Claude Code să preia un payload printr-un DNS TXT record și să-l execute.
Sursa
June 2026 report: SecurityWeek. Documentație curentă despre acoperirea rețelei: Anthropic sandbox-runtime README.
Unde e folosită
Capitolul 2; Anexa D, Capitolul 2 (proof of concept-ul DNS TXT).
Atenție
Relatarea incidentului e acoperire secundară a unui proof of concept. Un allowlist de proxy nu stabilește izolarea DNS: verifică separat conexiunile directe, resolverul de sistem și tool-urile DNS directe. Runtime-ul documentează cereri neîngrădite prin resolverul de sistem pe ruta sa Windows și comportament similar pe macOS. Suportul Windows al runtime-ului separat nu înseamnă suport de sandbox nativ Windows în Claude Code. Aria curentă a fost verificată pe 23 octombrie 2026.

Documentația tool-urilor

Documentație
Afirmația
Codex CLI a livrat Agent Skills ca componentă principală de primă clasă în decembrie 2025, cu fișiere SKILL.md cu frontmatter YAML și semantici de progressive disclosure comparabile cu Skills din Claude Code.
Sursa
OpenAI Codex CLI docs, developers.openai.com/codex/skills.
Unde e folosită
Anexa D, Capitolul 1 (Memory și skill-uri: povestea convergenței), ca partea Codex a convergenței pe componenta principală de skill.
Atenție
Documentație de vendor; datele de GA sunt corecte la mijlocul lui 2026, dar pot fi revizuite retroactiv.
Documentație
Afirmația
Codex CLI suportă concurență configurabilă de subagenți prin agents.max_concurrent_threads_per_session, excluzând thread-ul principal. agents.max_threads e un alias legacy; fără setare, Codex alege default-ul. Un default istoric de șase nu era un plafon fix al platformei.
Sursa
OpenAI, Configuration Reference: learn.chatgpt.com/docs/config-file/config-reference#agentsmax_concurrent_threads_per_session; Subagents.
Unde e folosită
Anexa D, Capitolul 1 (cronologia adoptării subagenților).
Atenție
Documentație oficială de CLI verificată pe 23 octombrie 2026. Setările clientului, resursele și politica limitează în continuare concurența reală. Sunt setări CLI, nu limite ale Agents API; documentația curentă citată nu stabilește data GA de 14 martie menționată anterior.
Documentație
Afirmația
Codex CLI documentează AGENTS.md drept convenția pentru instrucțiuni de agent la nivel de proiect, încărcată la începutul sesiunii și echivalentă ca rol cu fișierele de instrucțiuni de echipă ale celorlalți vendori.
Sursa
OpenAI Codex CLI documentation, developers.openai.com/codex/agents-md.
Unde e folosită
Capitolul 1 (Memory) și Capitolul 6 (Ce este AGENTS.md?).
Atenție
Numele fișierului și semantica de încărcare sunt stabile; regulile specifice de frontmatter și de descoperire pot evolua de la o versiune la alta.
Documentație
Afirmația
AGENTS.md e o convenție comună pentru instrucțiunile proiectului, dar descoperirea și precedența diferă. Codex îl încarcă nativ, cu precedență pe directoare; Claude are comportament de fallback/import dependent de versiune; Gemini CLI folosește implicit GEMINI.md și poate configura AGENTS.md; Aider suportă includere explicită read-only.
Sursa
Codex project instructions; Claude Code memory; Gemini CLI context files; Aider conventions.
Unde e folosită
Capitolele 1 și 6 (tabelul de compatibilitate a instrucțiunilor); Anexa D, Capitolul 1.
Atenție
Verificat pe 23 octombrie 2026. Un nume Markdown comun nu înseamnă arie, ierarhie, precedență sau încărcare automată identice. Inspectează sursele efective în clientul instalat; tabelul nu e un inventar exhaustiv de vendori.
Documentație
Afirmația
opencode e un coding agent open-source întreținut de o echipă independentă, scris în TypeScript și licențiat sub MIT. Codul sursă e organizat în jurul acelorași componente principale pe care manualul ăsta le identifică în Codex CLI și Claude Code.
Sursa
opencode repository (github.com/anomalyco/opencode; fost sst/opencode - compania care îl întreține s-a redenumit Anomaly în ianuarie 2026); LICENSE and README.
Unde e folosită
Capitolul 1 (Anatomia e invariantă, dovada cu doi agenți) și Anexa D, Capitolul 1 (demo-ul cu doi agenți, în detaliu).
Atenție
Numele proiectului și componența echipei de mentenanță pot evolua; afirmația despre convergența arhitecturală supraviețuiește redenumirilor.
Documentație
Afirmația
Locatorii semantici Playwright pot rezista schimbărilor de stil și DOM cât timp contractul de accesibilitate rămâne stabil. Acțiunile depind de control: selectOption vizează select-uri native; check vizează checkbox-uri/radio-uri.
Sursa
Playwright locators, select options, checkboxes and radios.
Unde e folosită
Capitolul 5 (Verify); Anexa D, Capitolul 5; Anexa B.3.
Atenție
Documentație curentă verificată pe 23 octombrie 2026. Schimbarea bibliotecii de componente sau a modelului de interacțiune poate cere noi acțiuni/locatori. Aserțiunile de comportament nu verifică layout-ul randat.
Documentație
Afirmația
Claude Code oferă un sandbox de shell opt-in pe macOS, Linux și WSL2; comenzile native Windows rulează fără sandbox. Tool-urile native de fișiere, serverele MCP și hook-urile rulează în afara acestei limite și au nevoie de propriile controale. Codex are altă implementare de sandbox și altă postură implicită.
Sursa
Claude Code docs (code.claude.com/docs/en/sandboxing) și Codex CLI agent approvals and security docs (developers.openai.com/codex/agent-approvals-security).
Unde e folosită
Capitolul 1 (Postura sandbox-ului e o alegere de guvernanță) și Capitolul 2 (Stratul 2: Sandbox); Anexa D, Capitolul 1 (postura de sandbox pe vendor și mecanismele de dedesubt).
Atenție
"Activat implicit" versus "opt-in" e un detaliu de implementare care ține de versiune. Verifică default-ul curent pentru versiunea pe care o ai instalată înainte să te bazezi pe el.
Documentație
Afirmația
Cursor 2.0 (octombrie 2025) a introdus agenți paraleli independenți și sandboxing activat implicit pe macOS; sistemul de subagenți propriu-zis - un agent părinte care deleagă către subagenți copii - a apărut în Cursor 2.4 (ianuarie 2026) și a devenit asincron în 2.5. Cline a livrat subagenți nativ. Claude Code a adăugat Agent Teams ca strat de coordonare de nivel mai înalt peste tool-ul Task.
Sursa
Changelog-urile Cursor (2.0, 2.4, 2.5); anunțurile și documentația vendorilor pentru Cline și Claude Code; colatate de-a lungul lui 2026.
Unde e folosită
Anexa D, Capitolul 1 (cronologia adoptării subagenților), ca dovadă pentru convergența pe componenta principală de subagent în aproximativ un an.
Atenție
Suprafețele de produs ale vendorilor evoluează; afirmația despre convergență rămâne în picioare chiar și când nume specifice de produs se rebranduiesc.
Documentație
Afirmația
Claude Fable 5, lansat pe 9 iunie 2026 ca primul model din clasa Mythos, a avut accesul suspendat la nivel mondial între 12 și 30 iunie 2026, înainte de a fi redistribuit.
Sursa
Anthropic, „Claude Fable 5 and Mythos 5” (9 iunie 2026): anthropic.com/news/claude-fable-5-mythos-5; „Redeploying Fable 5” (30 iunie 2026): anthropic.com/news/redeploying-fable-5.
Unde e folosită
Capitolul 9 (Vendorul va avea o săptămână proastă).
Atenție
Motivul suspendării e relatarea vendorului; lecția operațională - planifică pentru indisponibilitatea vendorului - nu depinde de cauză.
Documentație
Afirmația
Ghidul de teren din iulie 2026 al unui inginer Anthropic descrie Claude Fable 5 ca „primul model la care calitatea muncii are ca bottleneck capacitatea mea de a-i clarifica necunoscutele” și organizează metoda de lucru în jurul a patru tipuri de necunoscute, cu tehnici precum blind spot pass-ul, fișierele de note de implementare și quiz-urile de comprehensiune.
Sursa
Thariq Shihipar, „A field guide to Claude Fable 5: Finding your unknowns”, blogul Anthropic, 6 iulie 2026: claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns.
Unde e folosită
Capitolul 3 (Constrângerea s-a mutat; Cele patru necunoscute), Capitolul 4 (Research, blind spot pass-ul; Execute, notele de implementare) și Capitolul 5 (Cum faci review pe un diff scris de agent?, quiz-ul); Anexa D, Capitolul 3 (framework-ul necunoscutelor, pe larg).
Atenție
Relatarea unui singur practician, publicată de vendor despre propriul model. Tehnicile stau în picioare singure; superlativul „primul model” e judecata autorului, nu o măsurătoare.
Documentație
Afirmația
Clienții și serverele MCP negociază versiuni de protocol și capabilități. Reutilizarea integrării depinde și de transporturile și autentificarea suportate; suportul MCP singur nu stabilește interschimbabilitatea.
Sursa
Versioned MCP specification, June 18, 2025: lifecycle, transports, authorization.
Unde e folosită
Capitolul 1 (Ce este MCP?).
Atenție
Specificația versionată a fost verificată pe 23 octombrie 2026; nu se afirmă că iunie 2025 e cea mai recentă ediție a protocolului. Verifică ambele endpoint-uri și capabilitățile necesare.
Documentație
Afirmația
Spring suportă tranzacții read-only în service, pe lângă cele de scriere, și validare la nivel de metodă. O convenție de validare în controller trebuie să-și precizeze scope-ul fără să elimine responsabilitatea de service/domain pentru invariantele de business.
Sursa
Spring Framework 7.0.10 reference: transaction annotations, service method validation.
Unde e folosită
Capitolul 6 (convenții delimitate); Anexa B.2.
Atenție
Verificat pe 23 octombrie 2026. Granițele de tranzacție și validare sunt alegeri arhitecturale; comportamentul proxy/cale de apel și exemplele proiectului trebuie verificate. Documentația nu stabilește un efect în colaborarea privată din carte.
Documentație
Afirmația
O migrație undo e opțională și nu poate inversa fiabil orice schimbare distructivă de date sau eșec parțial. Recuperarea poate folosi în schimb deployment compatibil cu versiunile anterioare, corecție roll-forward sau restaurare testată.
Sursa
Redgate Flyway, Undo migrations, updated May 21, 2026.
Unde e folosită
Capitolele 4-5 (review-ul migrației Wire); companionul practic.
Atenție
Verificat pe 23 octombrie 2026. Strategia potrivită depinde de sistem și de obiectivele necesare de recuperare. Documentația nu dovedește politica unei colaborări cu clientul care nu a fost publicată.
Documentație
Afirmația
Documentația OpenAI despre configurația gestionată spune că Computer Use poate opera un browser ca aplicație nativă, că regulile de site și de capabilități din Browser Use nu se aplică pe acea rută și că dezactivarea doar a Browser Use nu blochează toate rutele către browser.
Sursa
OpenAI, managed configuration documentation, learn.chatgpt.com/docs/enterprise/managed-configuration, checked October 30, 2026.
Unde e folosită
Capitolul 2 (De făcut luni); Anexa D, Capitolul 2 (rutele prin browser, desktop și remote).
Atenție
Documentație de vendor nedatată și care se schimbă; lecția despre acoperirea rutelor se aplică oricărui agent care controlează un browser sau desktopul.
Documentație
Afirmația
Specificația Model Context Protocol spune că clienții trebuie să trateze adnotările tool-urilor ca nesigure, dacă nu vin de la servere de încredere, și că ar trebui să existe mereu un om care poate refuza invocarea unui tool.
Sursa
MCP specification 2026-07-28, Tools: modelcontextprotocol.io/specification/2026-07-28/server/tools.
Unde e folosită
Anexa B.10; Anexa D, Capitolul 2.
Atenție
O specificație stabilește obligațiile clientului; verifică ce aplică efectiv clientul pe care îl folosești.
Documentație
Afirmația
Ghidul GitHub pentru Actions spune că workflow-urile pull_request_target și workflow_run sunt privilegiate, pot avea drept de scriere și secrete și nu trebuie să facă checkout la cod de neîncredere din pull request-uri.
Sursa
GitHub Docs, "Secure use reference," docs.github.com/en/actions/reference/security/secure-use, checked October 30, 2026.
Unde e folosită
Capitolul 2 (Injecția ajunge prin munca în sine); Anexa D, Capitolul 2.
Atenție
Specific platformei; alte sisteme de CI au nevoie de aceeași separare între input-ul de neîncredere și execuția privilegiată.
Documentație
Afirmația
Workflow-urile din Claude Code impun limite de agenți la runtime (concurență, elemente per apel, 1.000 de agenți per rulare); ghidul de dimensiune e un sfat pentru model, iar avertismentul pentru workflow-uri mari „doesn't pause or limit the run.” Reluarea returnează rezultatele salvate ale agenților încheiați, în aceeași sesiune.
Sursa
Claude Code workflows documentation, code.claude.com/docs/en/workflows, checked October 30, 2026.
Unde e folosită
Anexa B.6; Anexa D, Capitolele 1 și 9.
Atenție
Limitele mărginesc numărul de agenți, nu tokenii sau banii; o limită de cheltuieli are nevoie de propriul control.
Documentație
Afirmația
GitHub Copilot Fusion a devenit disponibil general pe 28 octombrie 2026; rutează și orchestrează modelele folosite pentru o cerere și facturează fiecare model la tariful lui standard.
Sursa
GitHub changelog, October 28, 2026: github.blog/changelog/2026-10-28-route-and-orchestrate-models-with-github-copilot-fusion/.
Unde e folosită
Anexa B.9; Anexa D, Anexa A.
Atenție
Anunț de vendor; notează modelele folosite efectiv, în loc să le deduci din selector.
Documentație
Afirmația
Începând cu 14 octombrie 2026, GPT-5.5 a fost retras din Codex pentru utilizatorii autentificați cu ChatGPT; API-ul OpenAI și sesiunile Codex autentificate cu API key nu au fost afectate.
Sursa
OpenAI Codex changelog, learn.chatgpt.com/docs/changelog, entry of October 14, 2026.
Unde e folosită
Anexa B.9; Anexa D, Anexa A.
Atenție
Disponibilitatea diferă după suprafața de autentificare și plan; verifică-le pe ale tale.
Documentație
Afirmația
Codex își construiește lanțul de instrucțiuni AGENTS.md la pornire, parcurgând drumul de la rădăcina proiectului până la directorul curent; ca să preia schimbările, repornește Codex.
Sursa
OpenAI, AGENTS.md documentation, learn.chatgpt.com/docs/agent-configuration/agents-md, checked October 30, 2026.
Unde e folosită
Anexa B.9.
Atenție
Alți clienți reîncarcă instrucțiunile altfel; verifică pentru fiecare client.
Documentație
Afirmația
OpenAI relatează că a folosit modelele GPT-6 ca să-și curețe propriul cod: peste 1.400 de pull request-uri acceptate la merge care au șters mai mult de 800.000 de linii, cu dovezi strânse (configurație, istoric, profile din producție) înainte de fiecare schimbare și câte un PR draft mic per curățenie, notând capcane precum reflection care păcălește analiza statică, rute nefolosite păstrate ca să atenueze incidente viitoare și propuneri care adăugau mai multă complexitate decât beneficiul așteptat.
Sursa
OpenAI, "Maintaining software with the GPT-6 family," developers.openai.com/blog/maintaining-software-with-the-gpt-6-family, checked October 30, 2026.
Unde e folosită
Capitolul 7 (Șterge pe bază de dovezi).
Atenție
Relatarea unui vendor despre propriul codebase, nedatată pe pagină; nu e o măsurătoare controlată.

Marketplace-uri și ecosisteme de plugin-uri

Marketplace
Afirmația
Marketplace-ul claude-plugins-official al Anthropic vine inclus în Claude Code din mai 2026 și împachetează skill-uri, hook-uri, tool-uri și comenzi în spatele unei singure comenzi de instalare. Marketplace-ul avertizează utilizatorii să verifice dacă au încredere în plugin-uri înainte să le instaleze.
Sursa
Claude Code docs (code.claude.com/docs/en/discover-plugins); the marketplace itself.
Unde e folosită
Capitolul 1 (Plugin-uri); Anexa D, Capitolul 1 (plugin-uri: de ce există fiecare întrebare de vetting).
Atenție
Numărul de plugin-uri și politicile marketplace-ului se vor schimba în timp; ce trebuie să iei cu tine e disciplina de supply chain descrisă în Capitolul 1, nu vreun număr anume.

Surse pentru componenta principală Memory

Componenta principală Memory
Afirmația
Instrucțiunile proiectului asigură un strat de memorie întreținut manual în tool-urile de coding. AGENTS.md e una dintre convenții; unii clienți au alt nume implicit sau cer configurare/încărcare explicită. Un fișier CLAUDE.md poate importa instrucțiunile comune prin @AGENTS.md.
Sursa
agents.md; documentația de încărcare specifică fiecărui client din intrarea de compatibilitate de mai sus și din Capitolul 6.
Unde e folosită
Capitolele 1 și 6; Anexa D, Capitolul 1 (Memory și skill-uri).
Atenție
Descoperirea a fost verificată pe 23 octombrie 2026. Rolul structural e comun; încărcarea automată, precedența și numele disponibile nu sunt. Nu deduce suport pentru AGENTS.override.md într-un client din comportamentul Codex.
Componenta principală Memory
Afirmația
Claude Code întreține un strat de auto-memory în care Claude își scrie singur notițe de la o sesiune la alta - preferințele utilizatorului, feedback, decizii de proiect în curs și referințe externe, sărind peste tot ce poate deduce din codebase, cum ar fi arhitectura sau fix-urile de debugging - distinct de CLAUDE.md-ul scris de utilizator. Memoria e locală pe mașină și e comună tuturor worktree-urilor unui repository (verificat pe 30 octombrie 2026). Necesită Claude Code v2.1.59+; activat implicit; stocare per repo.
Sursa
code.claude.com/docs/en/memory.
Unde e folosită
Capitolul 1 (Memory); Anexa D, Capitolul 1 (Memory și skill-uri: povestea convergenței).
Atenție
Intrarea documentează implementarea din Claude Code, dar jumătatea asta e o convergență, nu o exclusivitate: GitHub Copilot Memory a ajuns în public preview pe 15 ianuarie 2026 - înainte să apară Auto Memory - și era activat implicit pe tier-urile Pro până pe 4 martie; Codex CLI a adăugat memorie automată de fundal în aprilie 2026.
Componenta principală Memory
Afirmația
Anthropic a anunțat public Dreaming ca parte din Claude Managed Agents la Code with Claude SF pe 2026-05-06 - un proces de fundal programat, care trece în revistă sesiunile recente și memory store-ul, identifică greșelile recurente și workflow-urile convergente și scrie notițe consolidate înapoi în memoria pe termen lung. Se livrează ca feature la nivel de platformă, condiționat de un beta header; o suprafață în CLI-ul Claude Code (/dream) era doar sugerată în produs și nu apăruse ca o comandă funcțională până în iulie 2026.
Sursa
Code with Claude SF announcement, 2026-05-06; code.claude.com/docs/en/memory.
Unde e folosită
Anexa D, Capitolul 1 (Memory și skill-uri: povestea convergenței).
Atenție
Dreaming e specific Anthropic și la nivel de API la data publicării, nu încă un feature de CLI. Manualul ăsta indexează rolul structural, nu vendorul.

Surse pentru componenta principală Permisiuni / Sandbox

Componenta principală Permisiuni / Sandbox
Afirmația
Claude Code aplică regulile explicite de permisiuni înainte să clasifice acțiunile eligibile rămase în auto mode. Sandbox-ul său de OS, opt-in, înconjoară comenzile de shell pe macOS, Linux și WSL2; nu acoperă tool-urile native de fișiere, serverele MCP sau hook-urile.
Sursa
code.claude.com/docs/en/permissions; code.claude.com/docs/en/sandboxing.
Unde e folosită
Capitolul 1 (Permisiuni / Sandbox) și Capitolul 2 (Stratul 1: Permisiuni și Stratul 2: Sandbox).
Atenție
Verificat pe 23 octombrie 2026. O regulă de deny-read pentru shell nu blochează tool-ul nativ Read; allowlist-urile de rețea pentru shell nu constrâng fiecare tool conectat. Verifică aria, platforma suportată și modul de permisiuni în versiunea instalată.
Componenta principală Permisiuni / Sandbox
Afirmația
Hook-urile locale pot fi ocolite, inclusiv prin configurația Git pentru căile hook-urilor. Hook-urile de politică de tip comandă și HTTP din Claude Code pot permite acțiunea la erori sau timeout-uri dacă nu e configurată blocarea la eșec; onFailure: "block" cere v2.1.295+. Verificările obligatorii de pe server și aprobarea de la owner au nevoie de protecții pe care credențialele agentului nu le pot ocoli sau modifica unilateral.
Sursa
Claude Code, "Hooks reference": code.claude.com/docs/en/hooks#block-the-action-when-a-hook-fails; Git, "githooks": git-scm.com/docs/githooks; GitHub, "Available rules for rulesets": docs.github.com/en/repositories/configuring-branches-and-merges-in-your-repository/managing-rulesets/available-rules-for-rulesets.
Unde e folosită
Capitolele 2, 8 și 9; Anexa B.6; Anexa D, Capitolul 9.
Atenție
Documentație verificată pe 23 octombrie 2026. Protecția depinde de setările efective, de evenimentul hook-ului și de semantica răspunsului, de privilegiile credențialelor și de politica de pe server. Nu e un audit de runtime al mediului cititorului.
Componenta principală Permisiuni / Sandbox
Afirmația
Codex folosește izolare la nivel de OS specifică platformei. Documentația curentă descrie Seatbelt pe macOS, bwrap plus seccomp implicit pe Linux și MXC pe Windows, cu implementările legacy elevated și unelevated ca fallback. WSL2 folosește implementarea Linux. Aprobările sunt un control separat.
Sursa
OpenAI, "Agent approvals & security," OS-level sandbox; Windows sandbox.
Unde e folosită
Capitolul 1 (Permisiuni / Sandbox; Postura sandbox-ului e o alegere de guvernanță) și Capitolul 2 (Stratul 2: Sandbox); Anexa D, Capitolul 1 (postura de sandbox pe vendor și mecanismele de dedesubt).
Atenție
Documentație verificată pe 23 octombrie 2026. Verifică versiunea instalată, backend-ul selectat și profilul efectiv de permisiuni; suportul pe platforme și mecanismele de enforcement diferă. Codex poate fi configurat și să ruleze fără sandbox-ul propriu. Descrierea unui backend nu stabilește acoperirea tuturor tool-urilor sau serviciilor conectate.
Componenta principală Permisiuni / Sandbox
Afirmația
opencode vine cu un model de prompt de permisiuni în interiorul agentului și cu validare de căi și permisiuni, dar nu oferă izolare prin sandbox la nivel de OS; pentru izolare, operatorul trebuie să împacheteze opencode în Docker, într-un microVM sau într-un alt harness de sandbox (KB-ul Vercel documentează explicit acest pattern de deployment). La testul de convergență din Capitolul 1, opencode trece jumătatea cu stratul de decizie și pică jumătatea cu enforcement-ul la nivel de OS.
Sursa
vercel.com/kb/guide/running-opencode-securely-with-the-vercel-sandbox.
Unde e folosită
Capitolul 1 (Permisiuni / Sandbox; Anatomia e invariantă; Postura sandbox-ului e o alegere de guvernanță); Anexa D, Capitolul 1 (postura de sandbox pe vendor și mecanismele de dedesubt).
Atenție
Eticheta de "îngrădire soft" îi aparține manualului, nu documentației opencode. opencode nu pretinde că livrează un sandbox - absența e asumată onest, nu ascunsă.

Surse despre bucla exterioară și autonomie

Bucla exterioară
Afirmația
Până în primăvara lui 2026, bucla exterioară devine o suprafață de primă clasă în Claude Code: /loop rerulează un prompt la un interval dat (martie 2026) sau își alege singur ritmul când intervalul lipsește (aprilie 2026), Routines declanșează cloud agents pe bază de template dintr-un program, dintr-un eveniment GitHub sau dintr-un apel de API (aprilie 2026), /goal ține agentul la lucru de la un tur la altul până când o condiție de finalizare e îndeplinită (mai 2026), iar /autofix-pr urmărește CI-ul și comentariile de review și împinge fix-uri până când pull request-ul e verde (aprilie 2026).
Sursa
Claude Code release notes, "What's new": code.claude.com/docs/en/whats-new, weekly digests for April-May 2026.
Unde e folosită
Anexa D, Capitolul 9 (bucla exterioară: valul vendorilor și mecanismele condiției de oprire).
Atenție
Numele de feature și săptămânile de release reflectă stadiul vendorului la iulie 2026; așteaptă-te la schimbări, conform notei despre afirmațiile datate.
Bucla exterioară
Afirmația
Tehnica Ralph Wiggum - un while-loop de bash care tot trimite un fișier de prompt într-un coding agent, cu context proaspăt la fiecare iterație și starea ținută în repository - pornește de la Geoff Huntley la mijlocul lui 2025 ("In its purest form, Ralph is a Bash loop": while :; do cat PROMPT.md | claude-code ; done), devine virală la sfârșitul lui 2025 și e adoptată în repository-ul oficial Claude Code ca plugin-ul ralph-wiggum în noiembrie 2025 (commit-ul de migrare e datat 16 noiembrie). Huntley estimează costul rulării buclei brute la aproximativ 10 dolari pe oră, spune că multe startup-uri din Y Combinator rulează Ralph și numește modul de eșec central "overbaking".
Sursa
Geoff Huntley, ghuntley.com/ralph (July 2025); HumanLayer, "A Brief History of Ralph," January 6, 2026: humanlayer.dev/blog/brief-history-of-ralph; The Register, January 27, 2026: theregister.com/2026/01/27/ralph_wiggum_claude_loops/.
Unde e folosită
Anexa D, Capitolul 9 (bucla exterioară: de la AutoGPT la Ralph Wiggum), paragrafele despre filiație și overbaking.
Atenție
Cifra de 10 dolari pe oră și afirmația despre adopția în Y Combinator îi aparțin lui Huntley, preluate de The Register - raportări de practician, nu cifre auditate.
Bucla exterioară
Afirmația
Execuția de agenți în fundal și pe bază de program a fost livrată de mai mulți vendori pe parcursul sfârșitului lui 2025: GitHub Copilot coding agent disponibil general pe 25 septembrie 2025 (mediu izolat de GitHub Actions; rezultatul livrat ca draft de pull request; review cerut unui om la finalizare); Cursor Cloud Agents pe 30 octombrie 2025 (mulți agenți detașați, cu laptopul închis); Google Jules Scheduled Tasks pe 10 decembrie 2025 (cadențe recurente pentru muncă de mentenanță).
Sursa
GitHub changelog: github.blog/changelog/2025-09-25-copilot-coding-agent-is-now-generally-available; Cursor blog: cursor.com/blog/cloud-agents; Google blog: blog.google/technology/developers/jules-proactive-updates.
Unde e folosită
Anexa D, Capitolul 9 (bucla exterioară: valul vendorilor și mecanismele condiției de oprire), paragraful despre convergență.
Atenție
Datele de livrare sunt cele din anunțurile vendorilor; suprafețele au continuat să evolueze de atunci.
Bucla exterioară
Afirmația
Echipa "software factory" de la StrongDM rulează livrare cu agenți complet non-interactivă - oamenii nici nu scriu, nici nu fac review la cod - cu scenarii end-to-end de user story stocate în afara codebase-ului, ca un holdout set pe care agenții nu îl pot vedea sau slăbi, și tratează aproximativ 1.000 de dolari pe zi per inginer cheltuiți pe tokeni drept prag minim de sănătate al fabricii; Simon Willison rezumă economia la circa 20.000 de dolari pe lună per inginer și semnalează asta ca principala limitare a pattern-ului.
Sursa
Simon Willison, "How StrongDM's AI team build serious software without even looking at the code," February 7, 2026: simonwillison.net/2026/Feb/7/software-factory/.
Unde e folosită
Anexa D, Capitolul 9 (bucla exterioară: de ce există fiecare linie din contract și cele două extreme), extrema industrială.
Atenție
Auto-descrierea unei singure companii; sumele în dolari sunt ale echipei și încadrarea lui Willison, nu un audit.
Bucla exterioară
Afirmația
Era buclelor din 2023 - AutoGPT, BabyAGI - rula un model în buclă pe baza propriei lui evaluări a progresului, fără un verificator extern la fiecare iterație, și s-a prăbușit ca abordare de livrare de software în câteva luni. Revirimentul din 2025 diferă structural: fiecare iterație se încheie cu o confruntare cu compilatorul, cu testele și cu diff-ul.
Sursa
The AutoGPT and BabyAGI repositories document the 2023 design: github.com/Significant-Gravitas/AutoGPT, github.com/yoheinakajima/babyagi. The structural contrast is this manual's analysis, drawn from the Ralph-era sources above.
Unde e folosită
Anexa D, Capitolul 9 (bucla exterioară: de la AutoGPT la Ralph Wiggum), paragraful despre filiație.
Atenție
Verdictul de "prăbușire" e o interpretare; ambele proiecte au continuat în alte roluri.

Surse despre harness și migrarea între modele

Harness
Afirmația
Dex Horthy (HumanLayer) a raportat că un prompt de planificare monolitic, cu 85 de instrucțiuni sau mai multe, sărea pași; echipa lui a împărțit workflow-ul în questions, research, design, structure outline, plan, worktree, implement și pull request, cu fiecare prompt sub 40 de instrucțiuni, a ascuns ticketul de research, a ordonat planurile pe verticală și și-a retras sfatul anterior de a citi planurile în loc de cod.
Sursa
Dexter Horthy, "Everything We Got Wrong About Research-Plan-Implement", keynote, Coding Agents Conference, Computer History Museum, 3 martie 2026: youtube.com/watch?v=YwZR6tc7qYg.
Unde e folosită
Capitolul 4 (Research, Plan); Anexa D, Capitolele 4 și 6.
Atenție
Mărturie de practician, de la un vendor al workflow-ului; citatele vin din transcrierea automată YouTube, citită pe 9 noiembrie 2026.
Harness
Afirmația
Workflow-ul RPI curent al HumanLayer exclude în mod implicit ticketul din contextul de research ("DO NOT read ticket files"), folosește un structure outline cu fazele ordonate "vertically rather than horizontally" și trece de la outline la implementare; planul detaliat rămâne o opțiune legacy.
Sursa
HumanLayer, "Skills and workflows": docs.humanlayer.com/reference/skills-workflows; prompturile plugin-ului RPI create-research și create-structure-outline: github.com/humanlayer/humanlayer/tree/f9bd73534a9fb7099a274f951b698b1297122fd9/apps/riptide-rpi-claude-plugin/skills.
Unde e folosită
Anexa D, Capitolul 4.
Atenție
Documentație și prompturi de vendor, verificate pe 9 noiembrie 2026; se schimbă.
Harness
Afirmația
Respectarea instrucțiunilor scade pe măsură ce crește numărul de instrucțiuni simultane; cel mai bun dintre 20 de modele a ajuns la circa 68% la 500 de instrucțiuni de includere a unor cuvinte cheie.
Sursa
Daniel Jaroslawicz, Brendan Whiting, Parth Shah și Karime Maamari, "How Many Instructions Can LLMs Follow at Once?", 15 iulie 2025: arxiv.org/abs/2507.11538.
Unde e folosită
Anexa D, Capitolul 6.
Atenție
Generare de rapoarte de business, nu workflow-uri de coding; lucrarea nu stabilește o limită universală de instrucțiuni.
Harness
Afirmația
HumanLayer și-a înlocuit avertismentul de context de la circa 40% din fereastra utilizabilă cu un avertisment la 100.000 de tokeni pentru modelele cu context lung.
Sursa
HumanLayer, "Long-Context Isn't the Answer", 23 martie 2026: humanlayer.dev/blog/long-context-isnt-the-answer.
Unde e folosită
Anexa D, Capitolul 6.
Atenție
Regulă empirică pentru propriii utilizatori, nu un prag măsurat.
Harness
Afirmația
Ghidurile curente ale vendorilor susțin planificarea proporțională cu task-ul și instrucțiunile cu scop clar: Codex recomandă rezultate explicite, instrucțiuni de proiect practice și planificare pentru munca complexă; Claude Code recomandă explorarea și planificarea unde ajută, dar execuția directă pentru editări mici și clare. Ghidul OpenAI pentru GPT-6 Astra avertizează împotriva trigger-elor de skill prea largi, a rețetelor elaborate și a cerinței de a cartografia tot repository-ul înainte de orice schimbare.
Sursa
Eric Provencher, OpenAI, "Rethinking skills and prompts for GPT-6 Astra," September 11, 2026: developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra; OpenAI, "Best practices": learn.chatgpt.com/docs/learn/best-practices; Anthropic, "Best practices for Claude Code" și "Create custom subagents": code.claude.com/docs/en/best-practices, code.claude.com/docs/en/sub-agents.
Unde e folosită
Capitolele 1, 3 și 4; Anexa B.3, B.9 și B.10; Anexa D, Capitolele 3 și 4.
Atenție
Îndrumări de vendor, nu o comparație controlată a întregului workflow al cărții. Documentația curentă a fost verificată pe 23 octombrie 2026; cerințele și controalele depind în continuare de task și de organizație.
Harness
Afirmația
Ghidul Anthropic pentru Opus 5 spune că instrucțiunile suplimentare de verificare și subagenții verificatori pot produce over-verification: cost suplimentar fără câștig de calitate. Ghidul Fable 5 recomandă în schimb verificatori cu context proaspăt pentru munca de durată. Niciunul nu stabilește o cerință universală de doi revieweri în secvență.
Sursa
Anthropic, "Prompting Claude Opus 5": platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5; "Prompting Claude Fable 5", mai jos.
Unde e folosită
Capitolul 5 (Review: perspective distincte, revieweri după nevoie); Anexa B.3 și B.9; Anexa D, Capitolul 5.
Atenție
Recomandări de vendor specifice modelului, verificate pe 23 octombrie 2026. Privesc structura suplimentară adăugată agentului, nu permit ocolirea gate-urilor umane, de CI sau de securitate.
Harness
Afirmația
Claude Code încarcă descrierile skill-urilor înainte de invocare și corpurile complete când sunt invocate; trigger-ele prea largi pot fi restrânse sau trecute pe invocare manuală. Recomandă instrucțiuni de proiect concise și cu scop clar. Din v2.1.277 poate citi direct AGENTS.md când pe calea proiectului nu există CLAUDE.md sau CLAUDE.local.md; altfel, default-ul favorizează CLAUDE.md, cu importuri și setări disponibile.
Sursa
Anthropic, "Extend Claude with skills" și "How Claude remembers your project": code.claude.com/docs/en/skills, code.claude.com/docs/en/memory.
Unde e folosită
Capitolele 1 și 6; Anexa B.2 și B.10; Anexa D, Capitolele 1 și 6.
Atenție
Comportament Claude Code, verificat pe 23 octombrie 2026; versiunile, setările și celelalte harness-uri diferă. Mărimea catalogului nu înseamnă aceeași cantitate de instrucțiuni complete încărcate în context.
Harness
Afirmația
Comparațiile directe cu Superpowers arată beneficii condiționate și cost suplimentar. Studiul Krupa, cu 192 de rulări pentru v6.4.2 pe Sonnet 5.5, a raportat un raport mediu al costului per caz de 1,33x; testul de regresie pentru bugfix a apărut în 8/8 rulări cu plugin și 4/8 fără, cu fix-uri corecte în ambele variante. Rularea OrcaBot din iulie, cu v6 pe Codex gpt-5.5/high, a rezolvat 57,06% față de 55,56% din 729 de cazuri SWE-bench Pro comune, la 0,46 dolari față de 0,37 per problemă.
Sursa
Bartłomiej Krupa, September 29, 2026: bartlomiejkrupa.dev/articles/does-superpowers-beat-no-plugin/; Rob Macrae, OrcaBot, July 31, 2026: orcabot.com/benchmarks/agent-skills; Superpowers release notes: github.com/obra/superpowers/blob/main/RELEASE-NOTES.md.
Unde e folosită
Capitolul 4 (Ce este bucla în șase faze?); Anexa B.10; Anexa D, Capitolul 4.
Atenție
Krupa a folosit cazuri mici, headless, și evaluare care recompensează parțial procesul; OrcaBot a folosit un singur seed per variantă, deci avantajul mic este indicativ. Versiunile ulterioare au schimbat execuția Native și gate-urile. În această revizie nu am găsit o comparație independentă v7.x cu versiunea curentă de Codex; raporturile vechi de cost nu sunt măsurători ale versiunii actuale.
Harness
Afirmația
SkillsBench v4, cu 87 de task-uri din opt domenii și 18 configurații model/harness, a măsurat o creștere a ratei medii de succes de la 33,9% la 50,5% cu skill-uri curatoriate.
Sursa
Xiangyi Li et al., "SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks," February 13, 2026, v4 June 14: arxiv.org/abs/2602.12670v4.
Unde e folosită
Capitolul 1 (Skill-uri); Anexa D, Capitolul 4 (skill-uri specializate versus workflow general).
Atenție
Skill-uri specifice task-ului, curatoriate, și verificatori deterministici, nu o evaluare Superpowers sau a unui proces obligatoriu. Câștigul agregat nu dovedește un beneficiu pentru fiecare task sau model; lucrarea e un preprint.
Harness
Afirmația
Anthropic a scos peste 80% din system prompt-ul propriu al Claude Code pentru generația Claude 5 (Opus 5, Fable 5), fără pierdere măsurabilă pe evaluările lui de coding, înlocuind regulile cu judecată și exemplele lucrate cu interfețe proiectate.
Sursa
Thariq Shihipar, "The new rules of context engineering for Claude 5 generation models," Anthropic blog, July 24, 2026: claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models.
Unde e folosită
Anexa D, Capitolul 6 (circa 200 de linii este un reper, nu un prag demonstrat).
Atenție
Evaluările proprii ale vendorului, pe propriul harness; sfatul e scris pentru generația Claude 5, iar modelele mai vechi s-ar putea să aibă încă nevoie de instrucțiunile șterse.
Harness
Afirmația
Ghidul de prompting al Anthropic pentru Fable 5 spune că subagenții verificatori separați, cu context proaspăt, tind să depășească autocritica; descrie un sistem de memorie cu câte o lecție per fișier, cu rezumat de o linie, actualizată în loc de duplicată, ștearsă când e greșită; documentează opririle timpurii rare pe o declarație de intenție („I'll now run X”) și acțiunile ocazionale necerute, fiecare cu un bloc de prompt; și avertizează că a cere modelului să-și reproducă raționamentul în răspuns poate declanșa categoria de refuz reasoning_extraction.
Sursa
Anthropic, "Prompting Claude Fable 5," Claude Platform docs: platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5.
Unde e folosită
Anexa D, Capitolul 4 (blocurile de autonomie și de scop ale vendorilor), Capitolul 5 (când ajută un reviewer independent) și Capitolul 6 (mecanica jurnalului de greșeli); Anexa B.3 și B.9.
Atenție
Pagină de documentație nedatată, revizuită pe loc; verifică formularea curentă înainte să te bazezi pe o frază anume.
Harness
Afirmația
Ghidul de prompting al Anthropic pentru Fable 5.1 recomandă ca tool-ul care pornește un subagent să se întoarcă imediat, cu rezultatul livrat într-un mesaj ulterior; spune că numele nivelurilor de effort nu corespund aceleiași cantități de gândire de la un model la altul și că Fable 5.1 pe effort low e adesea competitiv cu Opus și Sonnet la cost per task, cu scor mai mare; cere istoric de conversație append-only, pentru că blocurile de gândire sunt valide doar în conversația exactă care le-a produs; notează că, odată cu citirile din cache mai ieftine, compactarea timpurie ca să economisești s-ar putea să nu mai fie schimbul potrivit; dă o listă de păstrat pentru rezumatele de compactare și cere respectarea scopului și protejarea artefactelor de test, fără slăbirea lor pentru a obține verde.
Sursa
Anthropic, "Prompting Claude Fable 5.1," Claude Platform docs: platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-1.
Unde e folosită
Capitolul 1 (Effort), Capitolul 6 (Igiena contextului); Anexa D, Capitolul 1 (Effort: dovezile), Capitolul 4 (un singur scriitor și context ales după rol) și Capitolul 6 (istoric append-only și prețul cache-ului); Anexa B.7 și B.9.
Atenție
Pagină de documentație nedatată, pentru un model lansat pe 1 septembrie 2026. Cifra de 0,025x din Anexa D, Capitolul 6 e aritmetica manualului pe prețurile publicate ale citirii din cache și ale input-ului de bază la momentul scrierii; cerința de append-only se aplică, conform ghidului, conturilor create de la 31 august 2026 încoace.
Harness
Afirmația
Pattern-ul „advisor” al Anthropic: Sonnet cu Opus ca advisor a obținut cu 2,7 puncte procentuale mai mult pe SWE-bench Multilingual decât Sonnet singur, la un cost per task agentic cu 11,9% mai mic; Haiku cu un advisor Opus a obținut 41,2% pe BrowseComp față de 19,7% singur, rămânând cu 29% în urma lui Sonnet singur la scor, la un cost per task cu 85% mai mic.
Sursa
Anthropic, "The advisor strategy: Give agents an intelligence boost," April 9, 2026: claude.com/blog/the-advisor-strategy.
Unde e folosită
Anexa A (Pârghiile structurale, rutarea pe tier-uri); Anexa D, Anexa A (rutarea pe tier-uri, cele două puncte măsurate).
Atenție
Benchmark-uri ale vendorului pe propriile modele; cifrele de cost sunt per task pe acele benchmark-uri, nu un raport general.
Harness
Afirmația
Editarea contextului de la Anthropic (curățarea automată a rezultatelor învechite de tool-uri) a adus o îmbunătățire de 29% pe o evaluare internă de căutare agentică.
Sursa
Anthropic, "Managing context on the Claude Developer Platform," September 29, 2025: claude.com/blog/context-management.
Unde e folosită
Anexa D, Capitolul 6 (compactare și măsurători de context).
Atenție
Evaluare internă; postarea descrie curățarea, nu o comparație cu rezumarea - comparația aia e intrarea JetBrains de mai jos.
Harness
Afirmația
Ghidul OpenAI pentru builderi raportează că GPT-5.6 Sol pe effort low a depășit GPT-5.5 pe effort high la Agents' Last Exam, cu harness-ul ținut constant, și că apelarea programatică a tool-urilor a egalat calitatea pe rubrici folosind cu 21% mai puțini tokeni de input pe un benchmark de research financiar.
Sursa
OpenAI, "The builder's guide to GPT-5.6," August 2026: openai.com/index/builders-guide-to-gpt-5-6/; migration guidance in "Prompting guidance for GPT-5.6 Sol," developers.openai.com/api/docs/guides/prompt-guidance-gpt-5p6.
Unde e folosită
Anexa D, Capitolul 1 (Effort: dovezile; cât costă definițiile de tool-uri și ce răspunsuri dau harness-urile din 2026); Anexa B.9.
Atenție
Evaluări ale vendorului; cifra de 21% vine dintr-un singur benchmark (Rogo's Big Finance Benchmark), nu e o medie generală. Ghidul de migrare spune să păstrezi effort-ul curent ca baseline și să compari cu un nivel mai jos - adică sweep-ul din B.9, în cuvintele vendorului.
Harness
Afirmația
Ghidul OpenAI pentru GPT-6 Astra spune că instrucțiunile utilizatorului au prioritate față de îndrumările dintr-un skill; că modelul e mai sensibil la informația din context, așa că o îndrumare neclară sau contradictorie într-un fișier de skill îl poate face să se oprească și să blocheze munca devreme; că e mai înclinat să pună utilizatorului o întrebare când un input ar putea schimba rezultatul; și că tinde spre teste mai late decât cere task-ul, cu contra-îndrumarea de a nu scrie teste pentru modificări reversibile, cu impact mic.
Sursa
OpenAI, "Using GPT-6 Astra," September 2026: developers.openai.com/api/docs/guides/latest-model.
Unde e folosită
Anexa D, Capitolul 4 (blocurile de autonomie și de scop ale vendorilor) și Capitolul 6 (de ce există linia de precedență); Anexa B.2 și B.3.
Atenție
Astra e numele de cod al modelului GPT-6 de la OpenAI, lansat pe 3-4 septembrie 2026, nu un produs separat; ghidul e nedatat și revizuit pe loc.
Harness
Afirmația
Practica proprie a OpenAI pentru Codex ține un AGENTS.md scurt, de vreo 100 de linii, care servește în primul rând ca hartă, cu pointeri spre surse de adevăr mai adânci, iar baza de cunoștințe a repository-ului stă într-un director docs/ structurat, tratat ca sistem de referință.
Sursa
Ryan Lopopolo, "Harness engineering: leveraging Codex in an agent-first world," OpenAI, February 11, 2026: openai.com/index/harness-engineering/.
Unde e folosită
Capitolul 6 (Regulile 3 și 4: context relevant, lungime justificată, unde stă harta); Anexa D, Capitolul 6 (fișierele de context trebuie să-și justifice conținutul); Anexa B.2.
Atenție
Practica unei singure echipe, descrisă de vendor. Harness-ul Codex în sine a fost publicat open source în august 2026 ("Codex as a platform," developers.openai.com/blog/codex-as-a-platform), într-o postare separată.
Harness
Afirmația
Activarea raționamentului păstrat și a compactării a dus GPT-5.6 Sol de la 13,3% la 38,3% pe ARC-AGI-3, reducând în același timp tokenii de output de șase ori, cu harness-ul altfel neschimbat.
Sursa
OpenAI, "How enabling two settings tripled our scores on the ARC-AGI-3 benchmark," July 29, 2026: openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/.
Unde e folosită
Capitolul 1 (Effort, raționamentul păstrat); Anexa D, Capitolul 1 (Effort: dovezile).
Atenție
Postare a vendorului, pe un singur benchmark și un singur model. Manualul o folosește pentru mecanism - raționamentul păstrat între ture se compune - nu pentru scorul concret.
Harness
Afirmația
Claude Code /goal folosește un model separat ca să evalueze condiția pe baza conversației. Codex Goals păstrează un obiectiv și un buget, iar modelul care execută munca îl poate marca drept finalizat. Aceste mecanisme de continuare și finalizare nu execută independent teste protejate de acceptare.
Sursa
Claude Code docs, "/goal": code.claude.com/docs/en/goal; OpenAI Cookbook, "Using Goals in Codex": developers.openai.com/cookbook/examples/codex/using_goals_in_codex.
Unde e folosită
Capitolul 9 (Bucla exterioară, condiția de oprire); Anexa D, Capitolul 9 (bucla exterioară: valul vendorilor și mecanismele condiției de oprire).
Atenție
Documentație despre mecanism, verificată pe 23 octombrie 2026, nu dovezi de verificare independentă. Pentru acceptare, cere verificări protejate din exterior. Plugin-ul ralph-wiggum oferă un buget maxim de iterații și relatări de practicieni, nu dovada unui evaluator fiabil.
Harness
Afirmația
Studiul revizuit despre AGENTS.md nu a găsit o îmbunătățire generală a ratei de succes pentru fișierele de context generate la nivel de repository și a măsurat un cost de inferență cu peste 20% mai mare în setup-urile testate. Fișierele scrise de developeri au adus un câștig mediu modest, fără semnificație statistică; prezentările de ansamblu ale repository-ului nu au ajutat în această evaluare.
Sursa
Thibaud Gloaguen, Niels Mündler, Mark Niklas Müller, Veselin Raychev, Martin Vechev (ETH Zürich), "Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?", February 12, 2026 (v3 September 29, 2026): arxiv.org/abs/2602.11988v3.
Unde e folosită
Capitolul 6 (Regulile 3 și 4: context relevant, lungime justificată, unde stă harta); Anexa D, Capitolul 6 (fișierele de context trebuie să-și justifice conținutul); Anexa B.2.
Atenție
Măsurat pe anumiți agenți și anumite benchmark-uri; nu dovedește că orice fișier de instrucțiuni dăunează. Recomandarea manualului este să păstrezi constrângerile locale, comenzile și pointerii care ajută, apoi să verifici rezultatele; nu există un prag universal demonstrat de linii sau o categorie de conținut garantat utilă.
Harness
Afirmația
Pe 260 de configurații multi-agent, coordonarea a ajutat doar pe task-urile descompozabile, a degradat planificarea secvențială cu între 39% și 70% în funcție de arhitectură și a produs randamente negative pe task-urile unde un singur agent depășea deja circa 45% acuratețe.
Sursa
Kim et al., "Capable language models can outgrow the benefits of collaboration," Nature Machine Intelligence 8, 1157-1172, July 24, 2026: doi.org/10.1038/s42256-026-01268-y; preprint "Towards a Science of Scaling Agent Systems," arxiv.org/abs/2512.08296.
Unde e folosită
Capitolul 4 (Execute, gate-ul de împărțire); Anexa D, Capitolul 4 (când rentează împărțirea în subagenți); Anexa B.3.
Atenție
În mare parte nu sunt specifice codului: două dintre cele șase benchmark-uri, SWE-bench Verified și Terminal-Bench, sunt de coding, fiecare pe un subset de 20 de instanțe; pragul de 45% e un predictor ajustat pe task-urile testate, nu o lege.
Harness
Afirmația
Pe SpecBench, fiecare agent de frontieră saturează suita de teste vizibilă, în timp ce scorul pe testele ascunse rămâne mult mai mic; pentru Claude Code decalajul e de circa 43-48 de puncte procentuale pe trei strategii de căutare, iar la ceilalți agenți variază după strategie; decalajul la percentila 90 crește cu circa 27 de puncte la fiecare înzecire a numărului de linii de cod; căutarea suplimentară nu elimină fiabil reward hacking-ul.
Sursa
Bingchen Zhao, Dhruv Srikanth, Yuxiang Wu, Zhengyao Jiang (Weco AI), "SpecBench: Measuring Reward Hacking in Long-Horizon Coding Agents," May 20, 2026 (v2 September 9, 2026): arxiv.org/abs/2605.21384.
Unde e folosită
Capitolul 5 (Poți avea încredere în testele scrise de agent?); Anexa D, Capitolul 5 (SpecBench și constatarea Cursor, pe larg); Anexa B.3.
Atenție
Abstractul rotunjește creșterea la 28 de puncte; corpul lucrării raportează 27, cu R² de 0,21, deci trendul e real și zgomotos.
Harness
Afirmația
Pe SWE-bench Pro, 63% dintre rezolvările reușite ale lui Claude Opus 4.8 Max au recuperat fix-ul din upstream în loc să-l derive; sigilarea istoricului de git și tăierea egress-ului de rețea au coborât scorul de la 87,1% la 73,0%.
Sursa
Naman Jain, Cursor, "Reward hacking is swamping model intelligence gains," June 25, 2026: cursor.com/blog/reward-hacking-coding-benchmarks.
Unde e folosită
Capitolul 5 (Poți avea încredere în testele scrise de agent?, controlul cu istoricul sigilat); Anexa D, Capitolul 5 (SpecBench și constatarea Cursor, pe larg).
Atenție
Harness-ul unui singur vendor și un singur model; comportamentul e o proprietate a gate-ului, nu a modelului numit.
Harness
Afirmația
Într-un setup de raționament multi-agent, criticile verificate ca utile ale reviewerului mai precis au schimbat următorul candidat doar în 33,6% din cazuri, în timp ce un setup broadcast (între egali) a ajuns la 93,5% și la rata finală de succes mai mare.
Sursa
Chih-Hsuan Yang et al., "Precise but Uncoupled: Reviewer Precision Does Not Guarantee Critique Uptake in Multi-Agent Math Reasoning," July 16, 2026: arxiv.org/abs/2607.15388.
Unde e folosită
Capitolul 5 (Review: perspective distincte, revieweri după nevoie); Anexa D, Capitolul 5 (când ajută un reviewer independent); Anexa B.3.
Atenție
Raționament matematic, nu code review; manualul împrumută măsurătoarea - preluarea contează mai mult decât precizia -, nu domeniul.
Harness
Afirmația
O buclă de verificare-și-reparare ghidată de rubrici (DeepVerifier) a atins vârful în jurul rundei a patra și scăzuse până la a zecea, pentru că tranziția incorect-la-corect se stinge repede, în timp ce tranziția corect-la-incorect persistă.
Sursa
Yuxuan Wan et al., "Inference-Time Scaling of Verification: Self-Evolving Deep Research Agents via Test-Time Rubric-Guided Verification," January 22, 2026 (v2 April 29, 2026): arxiv.org/abs/2601.15808.
Unde e folosită
Capitolul 5 (Review: perspective distincte, revieweri după nevoie, plafonarea rundelor); Anexa D, Capitolul 5 (când ajută un reviewer independent); Anexa B.3.
Atenție
Agenți de deep research pe GAIA, nu coding; scăderea față de vârf e de câteva puncte, deci lecția e forma curbei, nu mărimea căderii.
Harness
Afirmația
Judecătorii LLM se ancorează de un scor anterior care li se arată, și nici raționamentul chain-of-thought, nici un avertisment explicit de a ignora metadatele nu elimină efectul total.
Sursa
Ante Kapetanovic et al., "Anchoring Bias in LLM-as-a-Judge Systems: Prior Scores Compromise Evaluation Independence," August 26, 2026: arxiv.org/abs/2608.25869.
Unde e folosită
Capitolul 5 (Review: perspective distincte, revieweri după nevoie, al doilea reviewer rămâne orb la primul); Anexa D, Capitolul 5 (când ajută un reviewer independent); Anexa B.3.
Atenție
Context de evaluare, nu de code review; manualul aplică rezultatul la situația în care reviewerul doi vede verdictele reviewerului unu.
Harness
Afirmația
Rata cu care un model satisface deodată toate regulile dintr-un prompt se prăbușește la zero pe la 80 de reguli simultane, pentru fiecare model, format și plasare testate, inclusiv Claude Sonnet 5 și Claude Haiku.
Sursa
Netanel Eliav, "Prompt Design at Scale: How Format, Instruction Count, and Context Length Shape Instruction Adherence and Hallucination in Large Language Models," July 21, 2026: arxiv.org/abs/2607.19257.
Unde e folosită
Capitolul 6 (Regulile 3 și 4: context relevant, lungime justificată, reperul de lungime); Anexa D, Capitolul 6 (circa 200 de linii este un reper, nu un prag demonstrat).
Atenție
Rata de răspuns perfect e o metrică strictă, pe formatele și modelele testate; alte lucrări raportează praguri diferite. Studiul nu stabilește o conversie între numărul de reguli și lungimea unui AGENTS.md și nu justifică o limită universală de 200 de linii.
Harness
Afirmația
RULER definește contextul efectiv prin cea mai mare lungime testată care depășește un prag fix de benchmark derivat din Llama2-7B la 4K; Tabelul 3 folosește 85.6%. Nu e păstrarea scorului propriu de context scurt al fiecărui model.
Sursa
Cheng-Ping Hsieh et al., "RULER: What's the Real Context Size of Your Long-Context Language Models?", v3, August 6, 2024: effective context and Table 3.
Unde e folosită
Capitolul 1 (Context window); Anexa D, Capitolul 1.
Atenție
Treisprezece task-uri sintetice și modelele din 2024 testate. Rezultatele nu stabilesc o regulă universală de jumătate de fereastră sau fracția utilizabilă a contextului unui model actual de coding. Reverificat pe 23 octombrie 2026.
Harness
Afirmația
În cinci configurații SWE-agent/SWE-bench Verified, mascarea observațiilor a fost mai ieftină decât rezumarea în patru. Ambele au redus substanțial costul față de istoricul negestionat în majoritatea setup-urilor; pentru Qwen3-Coder 480B, reducerile au fost 52.7%, respectiv 50.4%, față de acel baseline.
Sursa
Tobias Lindenbauer, Igor Slinko, Ludwig Felder, Egor Bogomolov and Yaroslav Zharov, "The Complexity Trap", August 2025, camera-ready October 27: paper v3; primary Table 1; JetBrains December explanation.
Unde e folosită
Capitolul 6 (Igiena contextului); Anexa A; Anexa B.7; Anexa D, Capitolul 6.
Atenție
Exemplul cu peste 50% compară fiecare metodă cu istoricul negestionat, nu mascarea cu rezumarea. Economiile variază mult între configurații. Tabelul 1 nu susține o reducere universală de peste 50%; verificat pe 23 octombrie 2026.
Harness
Afirmația
Pe 15 modele, performanța în conversații multi-turn fragmentate a scăzut cu 39% în medie față de o singură tură complet specificată, iar consolidarea fragmentelor într-o singură tură a recuperat cam 95% din rezultatul single-turn.
Sursa
Philippe Laban, Hiroaki Hayashi, Yingbo Zhou, Jennifer Neville, "LLMs Get Lost in Multi-Turn Conversation," May 2025: arxiv.org/abs/2505.06120.
Unde e folosită
Capitolul 6 (Igiena contextului, o unitate de muncă per sesiune); Anexa D, Capitolul 6 (compactare și măsurători de context).
Atenție
Conversații simulate pe task-uri de generare, nu sesiuni de coding; manualul o folosește pentru mecanismul din spatele consolidării înainte de a continua.
Harness
Afirmația
Opus 4.8 și Sonnet 5 inventează chei pe care o schemă imbricată de tool custom nu le-a declarat niciodată, în timp ce modelele mai vechi nu, iar pornirea invocării stricte a tool-urilor a eliminat comportamentul.
Sursa
Armin Ronacher, "Better Models: Worse Tools," July 4, 2026: lucumr.pocoo.org/2026/7/4/better-models-worse-tools/. Pentru constrângerile providerului: Anthropic, Structured outputs: important considerations și Strict tool use; OpenAI, Structured Outputs.
Unde e folosită
Capitolul 1 (Tool-uri); Anexa D, Capitolul 1 (cât costă definițiile de tool-uri și ce răspunsuri dau harness-urile din 2026); Anexa B.9.
Atenție
Rulările unui singur practician pe un singur harness. Decodarea strictă poate preveni încălcarea schemei acolo unde e disponibilă; nu stabilește corectitudinea semantică. Verifică compatibilitatea schemei, limitele de complexitate și eventuala latență de compilare pentru providerul și modelul folosite. Anthropic documentează latența de compilare la prima utilizare și limitele comune pentru schemele stricte de tool-uri; OpenAI documentează și limitele schemelor. Documentația providerilor a fost verificată pe 23 octombrie 2026.
Harness
Afirmația
Într-un harness multi-agent, faci fork pe un worker ca să primească istoricul și cache-ul de prompt ale supervizorului și să continue investigația, și izolezi un verificator ca să evalueze munca în sine în loc să fie ancorat de diagnosticul supervizorului; în sistemele multi-agent care funcționează, scrierile rămân pe un singur fir, iar agenții suplimentari contribuie cu inteligență, nu cu acțiuni.
Sursa
Thushanth Bengre and Chester Curme, LangChain, "Organizing Context in a Multi-Agent Harness," September 8, 2026: langchain.com/blog/organizing-context-in-a-multi-agent-harness; Walden Yan, Cognition, "Multi-Agents: What's Actually Working," April 22, 2026: cognition.com/blog/multi-agents-working.
Unde e folosită
Capitolul 4 (Execute, un singur scriitor per fișier); Anexa D, Capitolul 4 (un singur scriitor, workeri cu fork, revieweri izolați); Anexa B.3.
Atenție
Ambele sunt postări de inginerie ale unor vendori; „un singur scriitor” e comprimarea manualului pentru „scrierile rămân pe un singur fir” al lui Cognition.
Harness
Afirmația
Runtime-ul de afirmații din OpenWiki, care atașează pointeri la dovezi afirmațiilor stocate și le reverifică, a tăiat afirmațiile învechite din baza lui de cunoștințe de la 3,5% la 0,5% pe 2.000 de afirmații evaluate.
Sursa
Colin Francis, "Building Self-Correcting Memory in OpenWiki," LangChain blog, August 25, 2026: langchain.com/blog/self-correcting-memory-openwiki.
Unde e folosită
Capitolul 6 (Regulile 2 și 5: câștigate prin eșecuri, tratate ca cod, pointerul la dovezi); Anexa D, Capitolul 6 (mecanica jurnalului de greșeli).
Atenție
Un sistem de bază de cunoștințe, nu un jurnal de greșeli; manualul împrumută mecanismul - o afirmație care își citează dovada poate fi retrasă când dovada se învechește.
Harness
Afirmația
Navigarea agentică pe Claude Sonnet 4.5 a ajuns la 49,6% recall@1 pe BRIGHT, cu 21,8 puncte peste cel mai bun model de embeddings; spațiile de lucru mărginite (RISE) țin retrieval-ul agentic funcțional la un milion de documente, acolo unde inspecția directă a contextului se degradează; iar căutarea în cod pentru agenți se reduce la trei modalități - lexicală (ripgrep), structurală (ast-grep) și de graf (referințe LSP).
Sursa
Susheel Suresh et al., "AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases," May 7, 2026: arxiv.org/abs/2605.05538; Shengyao Zhuang et al., "Towards Retrieving Interaction Spaces for Agentic Search" (RISE), June 5, 2026: arxiv.org/abs/2606.06880; Andrey Kumanyaev, "Code search for AI agents: the grep replacement is three tools, not one," June 6, 2026: zzet.org/gortex/grep-replacement-for-ai-agents/.
Unde e folosită
Anexa D, Capitolul 7 (de ce citește agentul codul, în loc să interogheze un index al lui); Capitolul 7 (Workflow-ul) enunță concluzia.
Atenție
Cifra de recall e pe un benchmark general de retrieval, nu pe un codebase; încadrarea cu trei tool-uri e a unui practician, iar manualul nu dă niciun prag numeric pentru momentul în care un index de embeddings începe să rentabilizeze.
Harness
Afirmația
Prompt caching-ul cu un layout de prompt cache-first a redus costul de API cu 41% până la 80% la mai mulți provideri, pe peste 500 de sesiuni de agent; o sesiune default de Claude Code s-a dovedit a consuma cam 24.000 de tokeni de definiții de tool-uri, scheme MCP și reminder-e înainte de orice interacțiune a utilizatorului; cu un pool mare de tool-uri încărcat integral, acuratețea de bază a selecției de tool-uri a fost 13,62%, iar recuperarea doar a tool-urilor relevante per query a urcat-o la 43,13%; socoteala unui practician a pus trei servere MCP la circa 143.000 de tokeni dintr-o fereastră de 200.000.
Sursa
Elias Lumer et al., "Don't Break the Cache: An Evaluation of Prompt Caching for Long-Horizon Agentic Tasks," January 31, 2026: arxiv.org/abs/2601.06007; GitHub issue anthropics/claude-code#42452, April 2, 2026; Tiantian Gan and Qiyao Sun, "RAG-MCP: Mitigating Prompt Bloat in LLM Tool Selection via Retrieval-Augmented Generation," May 6, 2025: arxiv.org/abs/2505.03275; MetaBlogue, "MCP servers and the context window," September 5, 2026: metablogue.com/mcp-servers-context-window/.
Unde e folosită
Capitolul 1 (Tool-uri); Anexa D, Capitolul 1 (cât costă definițiile de tool-uri și ce răspunsuri dau harness-urile din 2026); Anexa A (Pârghiile structurale).
Atenție
Cifrele de 24k și 143k sunt socoteli de practicieni, care variază de la o instalare la alta, și nu vin dintr-un studiu controlat; cifrele RAG-MCP compară o metodă de retrieval cu un baseline fără retrieval, la scară, și datează din 2025.
Harness
Afirmația
Pentru între 37% și 63% dintre lucrările de inginerie software analizate, un model mai nou cu un singur prompt depășește nativ tooling-ul puternic ingineresc propus cu circa un an înainte.
Sursa
Nahian Salsabil et al., "What Survives the Next Model? Benchmarking LLM-Based Techniques Against Single-Prompts," August 31, 2026: arxiv.org/abs/2609.00468.
Unde e folosită
Capitolul 8 (Când se strică, verificarea de migrare între modele); Anexa D, Capitolul 8 (semnalul soft al migrării între modele, cu dovezile lui); Anexa B.9.
Atenție
Preprint pe arXiv, încă fără peer review; manualul îl folosește pentru direcție - fiecare generație pensionează o parte din harness -, nu pentru fracția exactă.

Note despre actualitate

Sursele își păstrează datele de publicare/versiune. Intrările reverificate în ultimele revizii numesc explicit 23 sau 30 octombrie 2026; asta nu înseamnă că fiecare afirmație istorică a fost revalidată independent. Pentru o afirmație cu consecințe importante, păstrează sursa directă, versiunea/data, data verificării, setup-ul relevant și interpretarea dedusă. Documentația care se modifică trebuie reverificată înainte să te bazezi pe ea. Fișele de caz relatate de autor nu sunt măsurători controlate, iar companionul sintetic și economia ipotetică sunt artefacte didactice, nu dovezi ale colaborărilor.