Koog、JetBrainsのKotlinでAIエージェントを構築するためのオープンソースフレームワークを基盤としたエージェントのテストをしていました。SWE-bench-Verifiedからタスクを入力しました。これは、AIが実際にコードを書けるかをテストする、現実世界のGitHubの課題です。最初の100メッセージまでは、すべて順調に見えました。エージェントはコードベースを体系的に探索し、バグを特定し、テストケースを書き、[…]