有向グラフ型AIエージェント、入力トークン74%削減

この実験は@hanakoxbt氏の設計論を直接検証するものだ。エージェントの内部作業は生成と検証の小さなループにとどめ、外側の段階順序はモデルに任せず通常のコードで固定すべきという主張である。AI Laboは完全オフラインのサンドボックスVMを構築し、AIユーザーと採点ユーザーをLinux UIDとsystemd名前空間で分離したため、モデルは隠しテストファイルevaluation/judges.pyを読めなかった。この環境で単一ループ方式は7ターンのうち4回をオーケストレーション（ファイル確認、初回テスト実行、テスト再実行、提出）に費やし、コンテキストは初回呼び出しの入力1,652トークンから提出段階で4,318まで膨らんだ。一方、有向グラフ方式は各ノードでコンテキストをリセットし、段階別バリデータがワークフローを自動で進めるため、入力は1回あたり約2,000トークンに収まった。この知見は、推論（何をするか）と制御（どう進めるか）の分離として位置づけられ、各段階のバリデータが合格すれば開発者は最後のゲートだけ承認すればよいと述べている。