Urgent.News

What's breaking now, across thousands of outlets.

AI

Come Code, IDE e Wiki di osFoundry rendono revisionabile il lavoro di più agenti AI in parallelo

Sono le 16 e da dopo pranzo tre agenti di coding lavorano sullo stesso repository. Uno ha sistemato l'arrotondamento del totale del carrello, uno ha aggiunto un codice sconto, uno ha scritto i test. Tutti e tre dicono "done". Prima che qualcosa tocchi main , vuoi sapere due cose: due di loro hanno riscritto la stessa funzione? E le tre modifiche passano ancora i test quando le metti insieme? Tre…

osFoundry, una applicazione desktop che unifica chat, agenti AI, file e strumenti in una singola finestra, ha introdotto tre schermate interconnesse per facilitare la revisione simultanea di più agenti di codifica. Questo sistema consente di assegnare task a più agenti contemporaneamente, con ogni run che ha il proprio ramo Git e cartella di lavoro.

L'IDE è un editor di codice locale con funzionalità come controllo versione, terminale, pannelli Problems e Tests, e una colonna per l'assistente che osserva il file attualmente aperto. Il wiki legge il repository locale e crea pagine di documentazione che citano path e line numeri, segnalando eventuali cambiamenti nel codice.

La schermata di Code mostra il numero di agenti che hanno completato le loro attività e se concordano o meno sui cambiamenti apportati. Cliccando su un run, si può leggere il compito assegnato, le modifiche apportate e il ramo Git. Il pannello a destra mostra il diff reale di ogni run, permettendo di revisionare le modifiche prima di unire i branch.

In caso di conflitti, l'app unisce prima i branch puliti e poi consente di creare un nuovo branch combinando solo le parti interessanti. Se l'app si chiude durante il lavoro di un run, il run compare ancora come Interrupted, conservando il suo ramo Git. Questo sistema aiuta i team di sviluppo ad ottimizzare la collaborazione e la revisione del codice, riducendo gli errori e i conflitti nella fase di integrazione.

Written by urgent.news from Dev.to's reporting — not their text. Machine-written — may contain errors; check the original before relying on it.

Read the original at dev.to →

More in AI

The AI Gold Rush Just Met Its First Real Neighbourhood Problem

The market can finance a technological revolution. It cannot guarantee that everyone will welcome one. For a while, the artificial intelligence industry seemed to operate under a remarkably simple…

  • AI industry faces neighborhood problems due to infrastructure demands
  • Investors concerned about regulations and political scrutiny
  • Political shifts impact AI infrastructure approval and expansion

LLM Returns Invalid JSON Once in a While: Structured Outputs vs Validate-and-Retry

TL;DR: If json.loads() on model output fails only occasionally, there are three distinct causes: truncation, stray prose or code fences around the JSON, and schema drift (valid JSON, wrong shape).

  • LLM JSON parsing failures can stem from truncation, extraneous text, or schema mismatches.
  • Structured outputs and typed models help eliminate extraneous text and schema mismatches.
  • Validation-and-retry approach with logging raw responses is recommended for handling failures.

More from Friday 6 November →