Když AI agent pracuje pár minut na jednom úkolu, stačí terminál. Když ale běží více agentů, navazují na sebe fáze mise a člověk má rozhodnout, jestli je výsledek bezpečný, samotný textový výstup přestává stačit.
Potřebujete vědět nejen to, že se něco stalo. Potřebujete vědět co, kde, proč a s jakým dopadem na projekt.
Právě proto dostala Orca výrazně silnější timeline.
Od feedu k provozní stopě
Timeline není jen seznam událostí. V agentním systému funguje jako provozní stopa — záznam toho, jak se práce skutečně posouvala v čase.
U běžného vývoje je podobnou stopou git historie, CI logy nebo review komentáře. U AI agentů ale vzniká další vrstva: agent něco plánuje, spouští, čeká na vstup, dokončuje úkol, eskaluje review nebo pracuje v rámci větší mise.
Pokud to zůstane jen jako proud technických eventů, člověk musí pořád hádat. Pokud to má dobrou podobu, timeline začne odpovídat na praktické otázky:
- který agent právě pracoval,
- ke kterému úkolu událost patřila,
- v jakém projektu se změna odehrála,
- co přesně se změnilo,
- jestli je potřeba lidský zásah.
To je rozdíl mezi logem a nástrojem pro rozhodování.
Lidské názvy místo interních ID
Jedna z důležitých změn je zdánlivě malá: timeline už se nespoléhá na syrové technické identifikátory. Místo toho zobrazuje názvy úkolů, názvy agentů a projektový kontext.
Tohle je přesně ten typ detailu, který rozhoduje o použitelnosti. Interní ID je dobré pro databázi. Pro člověka, který kontroluje práci agentů, je mnohem důležitější vidět například název úkolu, jméno běžícího agenta a projekt, kterého se událost týká.
Agentní orchestrace nesmí nutit člověka překládat systémové značky zpět do významu. Rozhraní má význam ukázat rovnou.
Drill-down do konkrétní události
Druhá část změny je detail události. Kliknutí na bod v timeline otevře konkrétní kontext: stav, čas, navázaný úkol a projekt.
U review nebo task eventů může detail ukázat i diff pracovní kopie projektu. To je praktické hlavně u dohledu nad autonomní prací. Člověk nemusí přepínat mezi timeline, úkolem, projektem a terminálem jen proto, aby zjistil, co agent reálně změnil.
Timeline se tím mění na vstupní bod pro kontrolu práce:
událost → úkol → projekt → diff → rozhodnutíNejde o efektní vizualizaci. Jde o zkrácení cesty od signálu k rozhodnutí.
Proč je to důležité pro autonomii
Autonomie bez dohledatelnosti je problém. Pokud agent může pracovat sám, systém musí být schopný jasně ukázat, co se dělo a proč má člověk věřit dalšímu kroku.
Timeline v Orce pomáhá právě tady. Neřeší jen živý stav, ale i zpětnou čitelnost práce. Když mise projde několika fázemi, agenti se střídají a některý krok skončí review, pořád existuje jedno místo, kde je vidět průběh.
To je důležité i pro bezpečnost. Ne každá změna je riziková, ale každá automatizovaná změna by měla být vysvětlitelná. Dobrý agentní systém nemá jen pracovat rychle. Má po sobě zanechat stopu, podle které se dá práce zkontrolovat.
Méně magie, víc provozu
AI agenti často působí magicky, protože se hodně děje uvnitř jedné konverzace nebo jednoho terminálu. Orca jde opačným směrem: rozkládá práci do úkolů, událostí, projektů, stavů a diffů.
To možná zní méně futuristicky, ale je to mnohem užitečnější.
Skutečný posun u AI vývoje podle mě nebude jen v tom, že modely zvládnou napsat víc kódu. Bude v tom, že kolem nich vzniknou nástroje, které z jejich práce udělají normální provozní proces: přehledný, auditovatelný a bezpečný.
Timeline je jeden z těch základních stavebních kamenů.