No progress

વ્યસ્ત એટલે પ્રગતિ નહીં.

નોંધાયેલ edit અથવા completion વગરની લાંબી પ્રવૃત્તિ ઓળખો.

સમસ્યા જુઓ. Finding સમજો.

કૅપ્શન સાથે અંગ્રેજી વર્ણન.

તે કઈ રીતે અવગણાઈ જાય છે

તમારા agent એ બીજી ફાઇલ ખોલી. અને વળી બીજી. સેશન વ્યસ્ત દેખાય છે, પણ fix હજી આવ્યો નથી. જ્યારે તમે અનેક agents જોઈ રહ્યા હો, ત્યારે પ્રવૃત્તિની ધારા એવા task ને છુપાવી શકે જે આગળ વધી રહ્યો નથી.

નાના code change માટે વિનંતી કલ્પો. Agent edit કર્યા વગર અથવા turn પૂર્ણ કર્યા વગર પચ્ચીસ files વાંચે છે. સેશન scroll કરીને તે શોધી શકો. ClawMetry તેના બદલે investigation માટે ચોક્કસ signal આપે છે.

ClawMetry શું detect કરે છે

No progress detector નવીનતમ user turn અથવા completion marker પછીના tool calls ગણે છે. જો count recognized write અથવા edit વગર threshold સુધી પહોંચે, તો warning ઉઠાવે છે. Finding observed call count, threshold અને શૂન્ય recorded writes સામેલ કરે છે.

Finding બદલી નાખતો તફાવત

Triggering ઉદાહરણ

25 reads, શૂન્ય edits

Warning finding

Quiet સરખામણી

24 reads, પછી એક edit

આ detector માટે કોઈ finding નહીં.

તપાસેલ ઉદાહરણમાં પચ્ચીસ read calls warning ઉઠાવે છે. તે calls માંથી એકને edit સાથે બદલો, અને આ detector શાંત રહે છે. નવો user turn window reset કરે છે. જ્યાં runtime ક્યારેય learned sample માં writes expose ન કરે, ClawMetry દરેક સેશન flag કરવાને બદલે આ signal disable કરી શકે છે.

Detector result તપાસો
{
  "kind": "no_progress",
  "severity": "warning",
  "evidence": {
    "tool_calls": 25,
    "writes": 0,
    "threshold": 20,
    "threshold_source": "static",
    "baseline": null
  }
}
Inputs અને સંપૂર્ણ results ડાઉનલોડ કરો (JSON)
ઉદાહરણ કઈ રીતે તપાસ્યું

આ ઉદાહરણો authored event data અથવા disposable configuration files સાથે published detector નું મૂલ્યાંકન કરે છે. Videos તે behaviors દર્શાવે છે. તે live agents અથવા product interface ના recordings નથી. ઉદાહરણોમાં કોઈ command execute કરવામાં આવ્યો ન હતો.

Result આ inputs માટે behavior સ્થાપિત કરે છે. તે runtime ingestion, prevention અથવા real compromise સ્થાપિત કરતું નથી. Pinned source contract તપાસો.

આગળ શું તપાસવું

Task થી શરૂ કરો. Research માં ઘણા reads સ્વાભાવિક હોઈ શકે. Requested code fix માં હસ્તક્ષેપ જોઈ શકે. Agent શું શીખવા કોશિશ કરે છે તે તપાસો, stopping point સ્પષ્ટ કરો, અને પ્રથમ meaningful change શોધો.

  1. Task પ્રકાર તપાસો
  2. નવીનતમ પ્રવૃત્તિ તપાસો
  3. ઉપયોગી stopping point નક્કી કરો

આ signal શું સ્થાપિત કરે છે

નોંધાયેલ edit ન હોવું એ બગડેલ કામનો પુરાવો નથી. Read-only research કાયદેસર હોઈ શકે, અને thresholds ઉપલબ્ધ telemetry પર આધાર રાખે છે.

મહત્વના ક્ષણો દૃશ્યમાન રાખો.

Agent પ્રવૃત્તિ follow કરો, findings તપાસો અને નક્કી કરો કે શું તમારું ધ્યાન જોઈએ.