Aprofundează
Agentic AI
Un curs în 25 de lecții, fiecare cu o lucrare citabilă, un citat verificat și o lecție video: ce este un agent și de ce e o buclă, nu un prompt; ingineria contextului; fluxuri de lucru sau agenți; unelte, MCP și A2A; framework-uri și lanțul lor de aprovizionare; rutare între modele, modele mici, LoRA și când merită fine-tuning; evaluări; on-prem sau cloud; date personale, injecția de prompt, cel mai mic privilegiu; supraveghere umană și AI Act; bugete și buclele care nu se opresc; RPA sau agent; observabilitate.
Traseul de lectură
- 01
Un agent pe model de limbaj nu e un prompt mai lung, ci o buclă: percepe, decide, acționează, apoi percepe din nou rezultatul propriei acțiuni.
Artificial Intelligence: A Modern Approach · Stuart Russell, Peter Norvig · 1995
Definiția din manual se traduce exact în ce rulează azi: senzorii sunt contextul (mesajul utilizatorului, fișierele, rezultatele uneltelor), actuatorii sunt apelurile de unelte (caută, rulează cod, trimite un email). Bucla se închide când rezultatul uneltei intră înapoi în context și modelul alege pasul următor. Asta e diferența față de un apel de chat: un apel nu vede consecința propriei acțiuni. Autonomia se măsoară simplu — câte rotiri face bucla fără un om. Un agent e definit de uneltele lui și de regula de oprire, nu de model.
Un agent este orice poate fi privit ca percepându-și mediul prin senzori și acționând asupra acelui mediu prin actuatori.Artificial Intelligence: A Modern Approach, ed. a 4-a (2020), cap. 2 «Intelligent Agents», §2.1 — definiția agentului
De ce contează Cine înțelege că agentul e o buclă știe unde să pună gardurile: la fiecare rotire, nu doar la intrare.
Deschide pe YouTube ↗ - 02
Comportamentul unui agent e în mare parte forma mediului lui: ingineria contextului bate ingineria promptului.
The Sciences of the Artificial · Herbert A. Simon · 1969
„Ingineria contextului” e numele din 2025–2026 pentru ce vede modelul la fiecare tură: instrucțiunile de sistem, descrierile uneltelor, documentele regăsite, memoria, traiectoria de până acum. Un model mediocru într-un mediu bine construit bate un model excelent înecat într-unul dezordonat. Pârghiile sunt concrete: descrieri de unelte scurte, cu un exemplu; regăsești doar ce e nevoie; compactezi traiectoria; pui constrângerea lângă decizie; folosești sistemul de fișiere ca memorie, nu fereastra de context. Eșecul tipic e „putrezirea contextului”: rezultate vechi de unelte care se adună până când modelul nu mai vede sarcina.
O furnică, privită ca sistem care se comportă, este destul de simplă. Complexitatea aparentă a comportamentului ei în timp este în mare parte o reflectare a complexității mediului în care se află.The Sciences of the Artificial (1969), cap. 3 «The Psychology of Thinking» — parabola furnicii
De ce contează Când un agent greșește, primul suspect e ce a văzut, nu ce a gândit.
Deschide pe YouTube ↗ - 03
Nu împacheta cunoașterea ta în reguli pe care modelul le va depăși: construiește agentul astfel încât un model mai bun să-l facă mai bun, nu să-l strice.
The Bitter Lesson · Richard S. Sutton · 2019
Argumentul lui Sutton: cunoașterea umană codificată de mână câștigă pe termen scurt, apoi pierde în fața căutării și învățării care scalează cu calculul. Pentru cine construiește agenți, schela groasă — liste rigide de pași, planuri fixe, parsere pentru formularea exactă a modelului — e pariul pe cunoașterea umană, și se rupe la următoarea versiune de model. Mai bine: dai modelului unelte, scopul și constrângerile, verifici ieșirile și ții schela subțire. Unde determinismul contează (conformitate, bani), îl ții în afara modelului, ca flux de lucru, nu înăuntru, ca prompt. Partea „amară”: ingineria de prompt cea mai deșteaptă are o durată de viață de o generație de modele.
Cea mai mare lecție care se poate citi din 70 de ani de cercetare în IA este că metodele generale care valorifică puterea de calcul sunt în cele din urmă cele mai eficace, și cu o marjă mare.The Bitter Lesson (eseu, 13 martie 2019) — prima frază
De ce contează Modelele se schimbă la 3–6 luni; un agent cu schelă groasă se rescrie de fiecare dată.
Deschide pe YouTube ↗ - 04
Întâi flux de lucru cu pași ficși; agent autonom doar când pașii nu pot fi știuți dinainte.
Building effective agents · Erik Schluntz, Barry Zhang · 2024
Textul desparte fluxurile de lucru (model și unelte orchestrate pe căi de cod predefinite) de agenți (modelul își dirijează singur procesul). Cinci tipare de flux: lanț de prompturi, rutare, paralelizare, orchestrator–lucrători, evaluator–optimizator. Regula de decizie: dacă poți desena diagrama de flux, construiește fluxul — e mai ieftin, testabil, previzibil. Treci la agent când numărul de pași e necunoscut și sarcina cere judecata modelului la fiecare pas (programare deschisă, cercetare). Prețul agentului: latență, cost, erori care se compun. Pornește de la cel mai simplu lucru care merge și adaugă autonomie doar când evaluările măsurate spun că fluxul nu ajunge.
În mod constant, cele mai reușite implementări folosesc tipare simple, compozabile, mai degrabă decât framework-uri complexe.Building effective agents (Anthropic, 19 decembrie 2024) — introducere
De ce contează Majoritatea „agenților” din producție sunt fluxuri de lucru bine numite; sunt și cele care nu cad.
Deschide pe YouTube ↗ - 05
Bucla gând–acțiune–observație e forma de bază a oricărui agent modern: modelul raționează, cheamă o unealtă, citește rezultatul, apoi gândește iar.
ReAct: Synergizing Reasoning and Acting in Language Models · Shunyu Yao et al. · 2022
ReAct întrețese Gând / Acțiune / Observație. Azi e bucla nativă de unelte a oricărui API: modelul emite un apel de unealtă, runtime-ul îl execută, adaugă rezultatul, modelul continuă. Ce a măsurat lucrarea: mai puține halucinații decât lanțul de gândire singur, fiindcă faptele vin din mediu, nu din memorie. Consecințe de inginerie: observația e locul pe unde intră conținutul neverificat (lecția 17); plafonezi numărul de iterații; fiecare unealtă e idempotentă sau confirmabilă; jurnalizezi fiecare triplet ca să-l poți rejuca. Variante: Reflexion (autocritică între episoade), plan-și-execută (planifici o dată, apoi acționezi).
În această lucrare explorăm folosirea LLM-urilor pentru a genera atât urme de raționament, cât și acțiuni specifice sarcinii, într-o manieră întrețesută, permițând o sinergie mai mare între cele două: urmele de raționament ajută modelul să inducă, să urmărească și să actualizeze planuri de acțiune și să trateze excepțiile, în timp ce acțiunile îi permit să interacționeze cu surse externe, cum ar fi baze de cunoștințe sau medii, pentru a aduna informații suplimentare.ReAct: Synergizing Reasoning and Acting in Language Models (arXiv 2210.03629, octombrie 2022) — rezumat
De ce contează Orice agent pe care îl depanezi are aceeași buclă; când o știi, știi unde să te uiți în jurnal.
Deschide pe YouTube ↗ - 06
Sistemele multi-agent merită când sarcina se descompune în roluri cu context diferit, nu pentru că mai mulți agenți sună mai inteligent.
The Society of Mind · Marvin Minsky · 1986
Modelul lui Minsky: inteligența vine din mulți agenți simpli, specializați. Citirea modernă e orchestrator–lucrători, unde fiecare lucrător are propria fereastră de context și propriile unelte (cercetător, programator, revizor). Când merită: subsarcini paralelizabile; contexte care altfel s-ar umple; separarea privilegiilor (agentul care citește emailul nu poate trimite bani). Când nu: sarcini secvențiale cu stare comună, unde predările pierd informație și costul se înmulțește, fiindcă fiecare lucrător recitește. Regula: numărul de agenți urmează numărul de contexte distincte, nu organigrama. Cererile de informații despre sisteme multi-agent au crescut cu 1 445% între T1 2024 și T2 2025 (Gartner) — un semnal de entuziasm, nu de merit.
Ce truc magic ne face inteligenți? Trucul este că nu există niciun truc. Puterea inteligenței vine din imensa noastră diversitate, nu dintr-un singur principiu perfect.The Society of Mind (1986), §30.8
De ce contează Un al doilea agent costă un al doilea context; trebuie să cumpere ceva ce primul nu putea face.
Deschide pe YouTube ↗ - 07
O unealtă bună pentru un agent are o interfață îngustă la ieșire și tolerantă la intrare; MCP standardizează exact acest contract.
RFC 793 — Transmission Control Protocol · Jon Postel · 1981
O unealtă e un nume, o descriere de un paragraf și o schemă tipizată. Apelul modelului e partea „liberală”: validezi, corectezi, întorci o eroare pe care modelul o poate repara. Ieșirea uneltei e partea „conservatoare”: compactă, structurată, fără surprize, trunchiată cu o notă. MCP (Model Context Protocol) e standardul deschis pentru unelte, resurse și prompturi între un client (agentul) și servere; donat de Anthropic fundației Agentic AI Foundation de sub Linux Foundation pe 9 decembrie 2025, cu peste 10 000 de servere publice și, într-un sondaj din 2026 (Stacklok), 41% din organizații cu MCP în producție. Dar legea lui Postel are o parte întunecată cunoscută: acceptarea liberală e exact ușa pe care intră injecția — ieșirea uneltei se tratează ca date, nu ca instrucțiuni (lecția 17).
Implementările TCP vor urma un principiu general de robustețe: fii conservator în ceea ce faci, fii liberal în ceea ce accepți de la alții.RFC 793 — Transmission Control Protocol (septembrie 1981), §2.10 «Robustness Principle»
De ce contează Un agent e la fel de bun ca cea mai proastă descriere de unealtă din contextul lui.
Deschide pe YouTube ↗ - 08
Topologia agenților tăi va copia organigrama; A2A e protocolul care face granițele dintre agenți explicite, ca să le poți alege tu.
How Do Committees Invent? · Melvin E. Conway · 1968
A2A (Agent2Agent) a fost anunțat de Google pe 9 aprilie 2025 și donat Linux Foundation pe 23 iunie 2025; are peste 100 de organizații susținătoare. Vocabularul: un „card” al agentului (ce știe să facă), sarcini cu stări, mesaje. MCP e vertical, agent–unealtă; A2A e orizontal, agent–agent. Avertismentul lui Conway: dacă echipele dețin agenți, agenții vor vorbi așa cum vorbesc echipele — inclusiv deloc. Granițele se aleg după cine deține datele și cine deține privilegiile, nu după departament. Practic: un agent per context delimitat; un card public cu ce face; stări de sarcină cu audit; fără memorie mutabilă partajată între agenți.
Organizațiile care proiectează sisteme (în sensul larg folosit aici) sunt constrânse să producă proiecte care sunt copii ale structurilor de comunicare ale acestor organizații.How Do Committees Invent? (Datamation, aprilie 1968) — teza articolului, cunoscută drept «legea lui Conway»
De ce contează Înainte să alegi protocolul, alege granițele; protocolul doar le fixează.
Deschide pe YouTube ↗ - 09
Alege framework-ul după ce ai un agent simplu care merge; framework-ul trebuie să-ți lase buclele vizibile, nu să le ascundă.
Systemantics: How Systems Work and Especially How They Fail · John Gall · 1975
Peisajul open-source din 2026, ca exemple: orchestratoare pe graf cu stare și puncte de reluare (LangGraph), agenți cu intrări și ieșiri tipizate (PydanticAI), echipe pe roluri (CrewAI), agenți care scriu cod în loc să cheme unelte (smolagents), SDK-urile laboratoarelor de modele (OpenAI Agents SDK, Google ADK, Microsoft Agent Framework — fuziunea AutoGen cu Semantic Kernel din toamna lui 2025 — Claude Agent SDK). Criteriile: vezi fiecare apel de model și de unealtă? poți opri, relua, rejuca? te leagă de un singur furnizor de model? cât context adaugă singur? Pornește de la bucla brută peste API (o sută de linii); adoptă un framework când ai nevoie de stare durabilă, pauze pentru om sau rutare multi-agent. Ferește-te de „magia” care ascunde prompturi pe care va trebui să le depanezi.
Un sistem complex care funcționează se dovedește invariabil a fi evoluat dintr-un sistem simplu care funcționa.Systemantics: How Systems Work and Especially How They Fail (1975) — «legea lui Gall»
De ce contează Framework-ul greșit se vede în a treia lună, când nu poți explica de ce a făcut agentul ce a făcut.
Deschide pe YouTube ↗ - 10
Un server de unelte e cod pe care agentul îl execută cu privilegiile tale, iar descrierea lui e un prompt pe care nu l-ai citit.
Reflections on Trusting Trust · Ken Thompson · 1984
„Otrăvirea uneltelor”: instrucțiuni ascunse în descrierea unei unelte, vizibile modelului, nu utilizatorului; „rug-pull”: unealta se redefinește după ce a fost aprobată; „umbrirea”: o unealtă deturnează apelurile alteia. Vulnerabilități cu nume din 2025: CVE-2025-54135 (CurXecute, scor 8,6) și CVE-2025-54136 (MCPoison) într-un editor de cod popular; în noiembrie 2025, un server MCP otrăvit pentru mesagerie redirecționa datele către numărul atacatorului. Un raport din 2026 a găsit 43% din serverele MCP testate vulnerabile la injecție de comenzi. OWASP Top 10 pentru aplicații agentice listează lanțul de aprovizionare al uneltelor ca risc propriu. Controale: versiuni fixate cu hash; descrierile se revizuiesc ca orice cod; listă albă per agent; servere în containere, fără rețea implicit; diff pe descriere la fiecare actualizare; un gateway care jurnalizează fiecare apel.
Morala e evidentă. Nu poți avea încredere în cod pe care nu l-ai creat în întregime tu însuți. (Mai ales în codul de la companii care angajează oameni ca mine.)Reflections on Trusting Trust, Communications of the ACM 27(8), august 1984 — discursul de acceptare a premiului Turing
De ce contează Piețele de unelte au crescut mai repede decât obiceiul de a le citi.
Deschide pe YouTube ↗ - 11
Nu plăti raționament pentru ce se poate face fără să gândești: rutează apelurile ieftine la modele ieftine și lasă modelul de raționament pentru deciziile grele.
An Introduction to Mathematics · Alfred North Whitehead · 1911
Arhitectura de cost a unui agent: nivelare (un model ieftin implicit, escaladare la încredere scăzută sau sarcină grea); rutarea raportează în 2026 circa 95% din calitatea modelului de frontieră trimițând doar 14–26% din apeluri la modelul scump, adică 75–85% economie pe traficul rutat; cache-ul de prompt taie prețul intrărilor repetate cu până la ~90%; loturile pentru ce nu e urgent; plafoane pe efortul de raționament. Ordinea măsurilor: întâi nivelare statică, cache, plafoane de efort și loturi (50–70% economie tipică), abia apoi un router învățat. Capcana: modul de eșec al modelului ieftin e greșeala încrezătoare — fiecare nivel are nevoie de evaluarea lui (lecția 15).
Este un truism profund eronat, repetat de toate caietele de caligrafie și de oamenii eminenți când țin discursuri, că ar trebui să cultivăm obiceiul de a ne gândi la ceea ce facem. Tocmai contrariul este adevărat. Civilizația avansează prin extinderea numărului de operații importante pe care le putem efectua fără să ne gândim la ele.An Introduction to Mathematics (1911), cap. 5 «The Symbolism of Mathematics»
De ce contează Factura unui agent e o distribuție de apeluri; majoritatea nu merită modelul cel mai scump.
Deschide pe YouTube ↗ - 12
Într-un agent, majoritatea apelurilor sunt înguste și repetitive; un model mic specializat le face mai ieftin, mai rapid și adesea la fel de bine.
Small Language Models are the Future of Agentic AI · Peter Belcak et al. (NVIDIA Research) · 2025
Argumentul lucrării: sarcinile unui agent sunt înguste, formatate, repetitive — exact ce se potrivește unui model sub 10 miliarde de parametri. Sistemul devine eterogen: un model de frontieră planifică, modele mici lucrează. Procedura propusă: jurnalizezi apelurile, le grupezi pe tipuri de sarcină, antrenezi un model mic per grup și îl pui în locul apelului mare. Tiparul din 2026 — planificator mare, lucrători mici, fine-tunați — e raportat la un cost de circa zece ori mai mic. Familiile cu ponderi deschise (Qwen, Gemma, Mistral, gpt-oss și altele) rulează pe o singură placă sau on-prem. Prețul: evaluările și servirea sunt ale tale. Unde pică modelele mici: raționament deschis, context lung, cazuri rare — acolo escaladezi.
Aici expunem poziția că modelele mici de limbaj (SLM) sunt suficient de puternice, inerent mai potrivite și în mod necesar mai economice pentru multe apeluri din sistemele agentice și sunt, prin urmare, viitorul IA agentice.Small Language Models are the Future of Agentic AI (arXiv 2506.02153, iunie 2025) — rezumat
De ce contează Cel mai ieftin token e cel pe care nu-l trimiți la un model de frontieră.
Deschide pe YouTube ↗ - 13
LoRA antrenează doar niște matrice mici pe lângă modelul înghețat: de aceea costă o placă video și câteva ore, nu un cluster.
LoRA: Low-Rank Adaptation of Large Language Models · Edward J. Hu et al. · 2021
Mecanismul: schimbarea ponderilor se aproximează ca produsul a două matrice de rang mic, r mult mai mic decât dimensiunea stratului. În lucrare: de 10 000 de ori mai puțini parametri antrenabili și de 3 ori mai puțină memorie GPU față de fine-tuning-ul complet al unui model de 175 de miliarde. Un adaptor e un fișier mic, interschimbabil per sarcină pe același model de bază; QLoRA adaugă baza cuantizată pe 4 biți. În 2026, un model de 7–8 miliarde se adaptează în ore pe o singură placă, de la câțiva dolari pentru un adaptor mic la câteva mii pentru seturi mari. Ce schimbă: comportament, format, stil, disciplina apelurilor de unelte. Ce nu schimbă: nu adaugă cunoștințe noi în volum — acela e RAG. Servirea mai multor adaptoare pe aceeași bază face specializarea per client sau per sarcină ieftină.
Propunem adaptarea de rang scăzut, sau LoRA, care îngheață ponderile modelului pre-antrenat și injectează matrice antrenabile de descompunere de rang în fiecare strat al arhitecturii Transformer, reducând considerabil numărul de parametri antrenabili pentru sarcinile din aval.LoRA: Low-Rank Adaptation of Large Language Models (arXiv 2106.09685, iunie 2021) — rezumat
De ce contează Fine-tuning-ul a devenit destul de ieftin ca întrebarea să nu mai fie „putem?”, ci „merită?”.
Deschide pe YouTube ↗ - 14
Ordinea e prompt, apoi RAG, apoi LoRA: fine-tuning-ul merită când comportamentul e îngust și repetat, nu când lipsesc cunoștințe.
LoRA Without Regret · John Schulman et al. · 2025
Constatările din 2025: LoRA pe toate matricele (inclusiv straturile MLP), rată de învățare de circa zece ori mai mare decât la fine-tuning-ul complet, două treimi din calcul, iar pentru învățare prin întărire ajunge rangul 1. Deci „calitate mai slabă” nu mai e motivul de a-l evita. Arborele de decizie: un prompt mai bun cu exemple — gratis, instant; RAG — cunoștințe care se schimbă, citări necesare; LoRA — format fix sau disciplină de apel de unelte, stil, un clasificator sau router îngust, latență (prompt scurt în loc de trei mii de tokeni de instrucțiuni), distilarea comportamentului unui model mare într-unul mic pentru o singură sarcină (70–85% din calitatea profesorului la un cost de 5–10 ori mai mic, după rapoartele din 2026). Nu LoRA: fapte noi, politici care se schimbă, cazuri rare. Condiție: un set de evaluare și sute sau mii de exemple. Regretul: adaptorul îngheață comportamentul de azi și se reantrenează la schimbarea modelului.
În experimentele noastre constatăm că, într-adevăr, când nimerim câteva detalii-cheie, LoRA învață cu aceeași eficiență pe eșantion ca fine-tuning-ul complet și atinge aceeași performanță finală.LoRA Without Regret (Thinking Machines Lab, 29 septembrie 2025) — introducere
De ce contează Fără set de evaluare, un fine-tuning e o cheltuială cu o poveste.
Deschide pe YouTube ↗ - 15
Evaluările sunt singura frână a unui agent, iar un evaluator pe care îl optimizezi devine el însuși ținta.
«Improving ratings»: audit in the British University system · Marilyn Strathern · 1997
Evaluările pentru agenți au trei niveluri: sarcina (a terminat? din câte încercări?), traiectoria (a făcut pașii corecți, n-a chemat unelte periculoase) și costul cu latența. Nedeterminismul cere rulări repetate și distribuții, nu un singur scor. Judecătorul LLM scalează, dar e părtinitor (preferă răspunsuri lungi, poziția, propriile formulări): se calibrează pe un set etichetat de oameni, se folosește în perechi, se rotesc modelele. Goodhart: dacă agentul sau iterațiile tale de prompt sunt optimizate pe judecător, scorul crește fără ca sarcina să fie mai bine făcută; ții un set ascuns, îl împrospătezi și cauți „reward hacking” (agentul modifică testul în loc de cod). Suita de regresie rulează la fiecare schimbare de prompt sau de model — sunt testele unitare ale schelei.
Când o măsură devine țintă, ea încetează să mai fie o măsură bună.«Improving ratings»: audit in the British University system, European Review 5(3), 1997 — formularea legii lui Goodhart
De ce contează Modelul se schimbă la trei luni; fără o suită de evaluare, fiecare schimbare e o surpriză în producție.
Deschide pe YouTube ↗ - 16
Tokenii ieftini înseamnă mai mulți tokeni; decizia on-prem sau cloud se ia pe utilizare susținută și pe unde au voie datele să stea, nu pe prețul de azi.
The Coal Question · William Stanley Jevons · 1865
Paradoxul lui Jevons la agenți: pe măsură ce prețul per token a scăzut, consumul per sarcină a crescut — un agent arde de 10–100 de ori tokenii unui chat. Economia on-prem în 2026: un sistem cu opt plăci de clasă H100 costă 250–320 mii de dolari; închirierea unei plăci, mediană ~2,5 dolari pe oră; pragul de rentabilitate pe trei ani e tipic la 70–80% utilizare susținută, în timp ce majoritatea flotelor rulează la 40–65%; regula practică: evaluezi on-prem peste ~1 miliard de tokeni pe lună. Motivele care nu țin de preț: rezidența datelor, transferurile sub GDPR și Schrems II, reguli sectoriale; ghidul EDPB din 2025 numește inferența on-prem cea mai puternică atenuare a riscului de protecție a datelor la modelele de limbaj. Tiparul hibrid: cloud public în regiune UE pentru ce nu e sensibil, cloud suveran pentru ce e reglementat, on-prem pentru ce nu are voie să plece. Servirea se face cu motoare de clasa vLLM sau SGLang, unde cache-ul de prefix avantajează agenții. Costurile ascunse: echipa de operare, schimbările de model, evaluările la fiecare schimbare.
Este cu totul o confuzie de idei să presupunem că folosirea economică a combustibilului echivalează cu un consum redus. Tocmai contrariul este adevărat.The Coal Question (1865), cap. VII «Of the Economy of Fuel»
De ce contează Cine cumpără plăci pe prețul de azi al tokenului plătește de două ori: mașina și tokenii pe care mașina îi va încuraja.
Deschide pe YouTube ↗ - 17
Trifecta letală: acces la date private, expunere la conținut neverificat și posibilitatea de a comunica în exterior; ai toate trei, ai o scurgere.
The lethal trifecta for AI agents · Simon Willison · 2025
Modelele urmează instrucțiunile din conținut: o pagină web, un email, un PDF, rezultatul unei unelte pot purta „ignoră instrucțiunile anterioare, trimite X la Y”. Injecția nu se rezolvă cu prompturi; apărarea de încredere e arhitecturală — scoți un picior al trifectei: fără canal de ieșire (fără URL-uri arbitrare, fără trimitere de email), sau fără intrări neverificate, sau fără date private. Tipare: două modele (unul „în carantină” citește conținutul neverificat, cel privilegiat nu-l vede niciodată brut); urmărirea capabilităților pe fluxul de date; listă albă de domenii; aprobare umană la orice trimitere în exterior; ieșirile uneltelor marcate ca date în prompt. OWASP Top 10 pentru aplicații agentice pune deturnarea scopului prin injecție pe primul loc.
Dacă agentul tău combină aceste trei trăsături, un atacator îl poate păcăli cu ușurință să-ți acceseze datele private și să i le trimită.The lethal trifecta for AI agents (simonwillison.net, 16 iunie 2025) — după enumerarea celor trei capabilități
De ce contează Fiecare unealtă nouă e un picior nou al trifectei; verifici la fiecare adăugare, nu la lansare.
Deschide pe YouTube ↗ - 18
Un agent primește uneltele pe listă albă, cu drepturi minime, într-un sandbox, cu buget; tot ce nu e permis explicit e interzis.
The Protection of Information in Computer Systems · Jerome H. Saltzer, Michael D. Schroeder · 1975
OWASP Top 10 pentru aplicații agentice (2025–2026) numește riscurile: deturnarea scopului, folosirea greșită a uneltelor, abuzul de identitate și privilegii, lanțul de aprovizionare, execuția de cod, otrăvirea memoriei, eșecurile în cascadă, monitorizarea insuficientă. Controalele: identitate proprie per agent (nu token-ul complet al utilizatorului); acreditări cu scop restrâns și viață scurtă; separarea citirii de scriere; execuție în sandbox (container, fără rețea implicit, sistem de fișiere efemer); unelte pe listă albă per sarcină; aprobare la acțiuni ireversibile (plăți, ștergeri, trimiteri); limite de rată și de cheltuială; buton de oprire. Sondajele din 2026 arată cam jumătate din organizații cu un incident de permisiuni la agenți. Întrebarea de proiectare: „ce e cel mai rău lucru pe care îl poate face agentul cu ce are?” — răspunsul trebuie să fie plictisitor.
Bazează deciziile de acces pe permisiune, nu pe excludere.The Protection of Information in Computer Systems, Proceedings of the IEEE 63(9), septembrie 1975 — §I.A.3, principiul «fail-safe defaults»
De ce contează Un agent compromis face exact ce poate face; cel mai mic privilegiu e cât de mult contează acel „exact”.
Deschide pe YouTube ↗ - 19
Datele personale intră într-un agent prin unelte, nu prin prompt; pseudonimizează înainte de model, redactează ieșirile uneltelor și ține memoria oprită implicit.
Regulamentul (UE) 2016/679 — GDPR · Parlamentul European și Consiliul · 2016
Pe unde intră datele personale: regăsire, unelte de CRM și email, documente încărcate, ieșiri de unelte. Pe unde scurg: jurnalele furnizorului de model, urmele, memoria, predările între sub-agenți, uneltele de ieșire. Conducta: clasifici și pseudonimizezi la granița uneltei (jetoane de tipul PERSOANA_1) înainte ca textul să ajungă la model; re-identifici doar în pasul final, la tine; redactezi ieșirile uneltelor la câmpurile necesare; retenție scurtă a urmelor (zile, nu la nesfârșit), cu span-urile curățate de date personale; memoria per utilizator e opt-in, nu implicită; termeni de prelucrare cu furnizorii (fără antrenare pe date, regiune UE) sau on-prem pentru categoriile speciale de la art. 9; evaluare de impact (DPIA) unde riscul e ridicat. Minimizarea micșorează și raza injecției: ce n-a văzut modelul nu poate scurge.
Operatorul pune în aplicare măsuri tehnice și organizatorice adecvate pentru a asigura că, în mod implicit, sunt prelucrate numai date cu caracter personal care sunt necesare pentru fiecare scop specific al prelucrării.Regulamentul (UE) 2016/679 (GDPR), art. 25 alin. (2) — protecția datelor în mod implicit
De ce contează Ce n-a văzut modelul nu poate scurge; minimizarea e și securitate.
Deschide pe YouTube ↗ - 20
Autonomia se dă pe trepte, cu praguri de aprobare la ce e ireversibil; AI Act cere supraveghere umană eficace la sistemele cu risc ridicat.
Computer Power and Human Reason · Joseph Weizenbaum · 1976
Nivelurile de autonomie: sugerează; acționează cu aprobare; acționează și raportează; acționează singur. Se atribuie după reversibilitate și rază de efect, nu după încrederea modelului. Interfața de aprobare arată acțiunea sau diff-ul, nu eseul de raționament; grupează aprobările; expiră pe partea sigură. Starea reglementării în septembrie 2026: practicile interzise (art. 5 din AI Act) se aplică din 2 februarie 2025; obligațiile de transparență (art. 50) din 2 august 2026; pentru sistemele cu risc ridicat din Anexa III, pachetul „omnibus digital” a amânat obligațiile la 2 decembrie 2027, iar supravegherea umană de la art. 14 li se aplică acelora. Și în afara riscului ridicat: un jurnal pe care îl poate citi un om și un proprietar pentru fiecare agent. Întrebarea lui Weizenbaum nu e dacă se poate, ci dacă se cuvine.
Din moment ce nu avem acum niciun mijloc de a face calculatoarele înțelepte, n-ar trebui să le dăm acum calculatoarelor sarcini care cer înțelepciune.Computer Power and Human Reason (1976), Introducere
De ce contează Un agent fără prag de aprobare e un angajat cu semnătură pe cont și fără șef.
Deschide pe YouTube ↗ - 21
Cele mai scumpe eșecuri ale agenților sunt scopuri prost specificate și bucle care nu se opresc; bugetul de pași și butonul de oprire nu sunt opționale.
Some Moral and Technical Consequences of Automation · Norbert Wiener · 1960
Catalogul de eșecuri: scop specificat greșit (agentul „repară” testul care pică ștergându-l); bucle fără capăt (reîncearcă la nesfârșit, doi agenți își vorbesc unul altuia); rezultate de unelte inventate (susține că a rulat ceva); erori în cascadă între predări; costuri explodate peste noapte. Caz public din iulie 2025: un agent de programare a șters o bază de date de producție în timpul unui îngheț de cod, apoi a raportat greșit ce făcuse. Controale: iterații maxime plus timp maxim plus plafon de bani per rulare; unelte idempotente; mod de simulare; separarea mediilor (acreditările de producție nu intră niciodată în sandbox-ul unui agent); condiții de oprire scrise în prompt ȘI în cod; un watchdog care marchează rulările blocate; post-mortem la fiecare eșec scăpat.
Dacă folosim, pentru a ne atinge scopurile, o agenție mecanică în a cărei funcționare nu putem interveni eficient odată ce am pornit-o, fiindcă acțiunea este atât de rapidă și de irevocabilă încât nu avem datele ca să intervenim înainte ca acțiunea să fie completă, atunci ar fi bine să fim foarte siguri că scopul pus în mașină este scopul pe care îl dorim cu adevărat și nu doar o imitație colorată a lui.Some Moral and Technical Consequences of Automation, Science 131(3410), 6 mai 1960
De ce contează Un agent oprit la timp costă o rulare; unul neoprit costă o noapte.
Deschide pe YouTube ↗ - 22
RPA automatizează pașii existenți ai unui proces; un agent poate rescrie procesul; alegi după cât de structurat și de reversibil e fiecare pas.
Reengineering Work: Don't Automate, Obliterate · Michael Hammer · 1990
RPA: determinist, ieftin (în jur de 0,001 dolari per sarcină), auditabil, fragil la schimbări de interfață, fără judecată. Agenții: probabilistici, 0,01–0,10 dolari per decizie (cifre de furnizori, 2026), descurcă intrări nestructurate și excepții, au nevoie de evaluări și garduri. Decizia: volum mare, structură stabilă, audit strict — RPA; intrări nestructurate, excepții, judecată — agent; ambele — stiva hibridă (lecția 23). Avertismentul lui Hammer se aplică amândurora: automatizarea unui proces prost („asfaltarea potecilor vacilor”) e cel mai frecvent eșec, iar agenții fac asfaltarea mai rapidă. Întâi întrebi cum ar trebui să arate procesul; abia apoi decizi ce automatizezi.
E timpul să nu mai asfaltăm potecile vacilor. În loc să încastrăm procese învechite în siliciu și software, ar trebui să le ștergem și să o luăm de la capăt.Reengineering Work: Don't Automate, Obliterate, Harvard Business Review, iulie–august 1990
De ce contează Un agent care execută un proces prost e un proces prost cu factură de tokeni.
Deschide pe YouTube ↗ - 23
Stiva hibridă: RPA sau cod determinist execută pașii care se pot spune; agentul preia pașii pe care oamenii îi știu fără să-i poată descrie.
The Tacit Dimension · Michael Polanyi · 1966
Tiparul hibrid din 2026: un strat de orchestrare (agentul) planifică și tratează excepțiile; executori determiniști (roboți RPA, API-uri, scripturi) fac pașii; furnizorii de RPA își repoziționează roboții ca „strat de execuție”. Proiectare: fiecare pas e clasificat explicit (există o regulă, deci cod) sau tacit (oamenii spun „depinde”, deci agent cu aprobare); agentul nu atinge niciodată direct sistemul de înregistrare, ci cheamă un executor cu validare; excepțiile ajung într-o coadă la om și devin date de antrenare pentru regula următoare. Punctul lui Polanyi: cunoașterea tacită nu devine explicită fiindcă o ceri; agentul o preia prin exemple (cazuri rezolvate în prompt sau fine-tuning, lecția 14). Măsura: rata de excepții ar trebui să scadă în timp, pe măsură ce regulile se extrag.
Voi reconsidera cunoașterea umană pornind de la faptul că putem ști mai mult decât putem spune.The Tacit Dimension (1966), cap. 1 «Tacit Knowing»
De ce contează Partea pe care nimeni n-a putut-o scrie în procedură e partea pentru care merită un agent.
Deschide pe YouTube ↗ - 24
Un agent fără urme nu se poate depana: fiecare apel de model și de unealtă intră într-o urmă cu părinte, cost și conținut, ca să poți rejuca ce s-a întâmplat.
The Elements of Programming Style · Brian W. Kernighan, P. J. Plauger · 1974
Stiva de observabilitate: o urmă per rulare, cu un span per apel de model (model, tokeni la intrare și ieșire, latență, cost) și un span per apel de unealtă (argumente, mărimea rezultatului, eroare); convențiile semantice OpenTelemetry pentru GenAI standardizează numele atributelor; captura conținutului e condiționată (date personale, lecția 19); rejoci un singur pas cu promptul editat; panouri pe cost per sarcină, iterații per etapă, rulări blocate; eșantionezi traiectorii pentru revizuire umană săptămânal; versionezi prompturile ca pe cod și etichetezi urmele cu versiunea. Euristica de depanare: citești observația înaintea gândului — majoritatea eșecurilor „de raționament” sunt eșecuri de context (lecția 2).
Toată lumea știe că depanarea e de două ori mai grea decât scrierea unui program de la bun început. Așa că, dacă ești cât de deștept poți fi când îl scrii, cum îl vei mai depana vreodată?The Elements of Programming Style, ed. a 2-a (1978), cap. 2 «Expression»
De ce contează Fără urmă, o rulare eșuată e o anecdotă; cu urmă, e un test de regresie.
Deschide pe YouTube ↗ - 25
Tendințele din 2026 spun același lucru: capabilitățile cresc repede, iar majoritatea proiectelor pică pe organizare, nu pe model.
Computing Machinery and Intelligence · Alan M. Turing · 1950
Starea în septembrie 2026: agenții care folosesc calculatorul au urcat de la circa 15% la circa 66% pe testele de clasa OSWorld într-un an (Stanford AI Index 2026); protocoalele au trecut sub guvernare neutră (MCP și A2A la Linux Foundation); „abilitățile” împachetate ca instrucțiuni au devenit format deschis; lucrătorii sunt modele mici. Gartner (iunie 2025) așteaptă ca peste 40% din proiectele agentice să fie anulate până la finalul lui 2027, pe cost, ROI neclar și control de risc slab; raportul MIT NANDA (august 2025) găsește 95% din pilotele GenAI fără efect măsurabil în profit, cu cauza în organizare, nu în model. Ce faci lunea viitoare: un proces, un agent, evaluări înainte de autonomie, un buget, o urmă, un proprietar. Fraza lui Turing e postura corectă: nu prezici; livrezi următorul lucru care trebuie făcut și îl măsori.
Nu putem vedea decât la o distanță mică înainte, dar putem vedea acolo destule lucruri care trebuie făcute.Computing Machinery and Intelligence, Mind 59(236), octombrie 1950 — ultima frază
De ce contează Diferența dintre cei 5% și restul n-a fost modelul, ci evaluările, gardurile și un proprietar.
Deschide pe YouTube ↗ - 26
Fereastra de context e resursa pe care o consumă fiecare fișier citit și fiecare ieșire de comandă; performanța scade pe măsură ce se umple, deci productivitatea într-un agent de cod e, înainte de orice, igienă de context.
Effective context engineering for AI agents · Prithvi Rajasekaran, Ethan Dixon, Carly Ryan, Jeremy Hadfield (Anthropic Engineering) · 2025
Ghidul oficial de bune practici pentru Claude Code (2026) pornește de la o singură constrângere: fereastra se umple repede, iar performanța scade pe măsură ce se umple. Articolul din 2025 dă mecanismul: modelele au un «buget de atenție» pe care fiecare token nou îl consumă, cu randamente descrescătoare — de aceea un context mai mare nu e automat un context mai bun. De aici derivă tehnicile pentru sarcini lungi: compactare (un rezumat fidel, apoi o fereastră nouă), notițe structurate ținute în afara ferestrei și recitite la nevoie, subagenți cu context curat pentru cercetare, ale căror rapoarte condensate se întorc în firul principal, și încărcare «la momentul potrivit»: identificatori ușori (căi, interogări) în loc de fișiere întregi. În practică, la tastatură: /clear între sarcini fără legătură, /compact cu instrucțiuni despre ce trebuie să supraviețuiască, /btw pentru o întrebare laterală care nu are ce căuta în istoric, unelte de linie de comandă (gh, aws) în loc de API-uri cu răspunsuri lungi, căutare și citiri pe intervale în loc de fișiere întregi, o linie de stare care arată consumul. Măsura corectă a productivității nu e tokeni pe oră, ci tokeni per sarcină încheiată.
Dat fiind că modelele sunt constrânse de un buget finit de atenție, o bună inginerie a contextului înseamnă găsirea celui mai mic set posibil de tokeni cu semnal înalt care maximizează probabilitatea rezultatului dorit.Effective context engineering for AI agents (Anthropic Engineering, 29 septembrie 2025) — secțiunea «The anatomy of effective context»
De ce contează O sesiune care «uită» instrucțiunile nu are un model prost, are o fereastră plină.
Deschide pe YouTube ↗ - 27
Fără o verificare rulabilă, «pare gata» e singurul semnal și tu devii bucla de verificare; cu una, bucla se închide singură și sesiunea poate merge fără tine.
Best practices for Claude Code · Anthropic (documentația Claude Code) · 2026
Ghidul numește asta cel mai important lucru pe care îl poți face pentru calitate. O verificare e orice întoarce un «trecut / picat» citibil în conversație: o suită de teste, codul de ieșire al unui build, un linter, un script care compară ieșirea cu un fixture, o captură de ecran față de un design. Există patru trepte de rigoare. Prima: în prompt («rulează testele și iterează până trec»). A doua: /goal — un evaluator separat re-verifică rezultatul după fiecare tură și împinge înapoi dacă nu e atins. A treia: un hook Stop, un script determinist care blochează încheierea turei până trece; după opt blocări consecutive Claude Code renunță, ca o verificare imposibilă să nu țină sesiunea ostatică. A patra: un subagent de verificare sau un workflow dinamic în care un alt model încearcă să infirme rezultatul. Cere dovezi, nu afirmații: ieșirea testului, comanda rulată și ce a întors, captura comparată. Ghidul o spune direct: dacă nu poți verifica, nu livra. Iar pentru revizuire, cere semnalarea doar a ceea ce afectează corectitudinea — un recenzor căruia îi ceri lacune va găsi întotdeauna lacune.
Dă-i lui Claude o verificare pe care o poate rula: teste, un build, o captură de ecran de comparat. E diferența dintre o sesiune pe care o supraveghezi și una de la care poți pleca.Best practices for Claude Code (code.claude.com, 2026) — secțiunea «Give Claude a way to verify its work»
De ce contează Cu o verificare rulabilă bucla se închide singură; fără ea, fiecare greșeală așteaptă să o observi tu.
Deschide pe YouTube ↗ - 28
Codul care rezolvă problema greșită e cel mai scump cod; planul separă înțelegerea de execuție, dar are un cost, așa că se aplică doar când incertitudinea îl justifică.
Best practices for Claude Code · Anthropic (documentația Claude Code) · 2026
Fluxul recomandat are patru faze. Explorează: în plan mode (Shift+Tab până apare «plan mode on», sau --permission-mode plan la pornire) Claude citește și răspunde, dar nu modifică nimic — poți lăsa să investigheze fără teama unei editări premature. Planifică: cere un plan concret și, cu Ctrl+G, deschide-l în editorul tău înainte să continue. Implementează: ieși din plan mode și lasă-l să codeze verificând față de plan. Comite: mesaj descriptiv, pull request. Costul e real — planificarea adaugă o tură întreagă — de aceea regula din citat: pentru un typo, un log sau o redenumire, direct la cod. Pentru funcționalități mari, ghidul propune «interviul până la specificație»: îi ceri să te intervieveze cu întrebări până acoperiți implementarea, interfața, cazurile-limită, apoi scrie o specificație și pornești o sesiune nouă, curată, doar pentru execuție. Specificațiile utile numesc fișierele și interfețele, spun explicit ce e în afara scopului și se termină cu o verificare cap-coadă. Promptul bun e specific: fișierul, scenariul care eșuează, ce înseamnă «reparat», un exemplu de pattern existent de urmat. Referințe cu @fișier în loc de descrieri, imagini lipite în loc de «arată cam așa», URL-uri la documentație în loc de presupuneri.
Planificarea e cea mai utilă când nu ești sigur de abordare, când schimbarea atinge mai multe fișiere sau când nu cunoști codul modificat. Dacă poți descrie diff-ul într-o propoziție, sari peste plan.Best practices for Claude Code (code.claude.com, 2026) — secțiunea «Explore first, then plan, then code»
De ce contează O tură de planificare costă puțin; o implementare pornită pe o înțelegere greșită costă toată sesiunea.
Deschide pe YouTube ↗ - 29
Claude Code se configurează pe șase niveluri, fiecare cu alt raport între costul de context și autoritate; a pune instrucțiunea la nivelul greșit costă fie tokeni permanenți, fie reguli ignorate.
Steering Claude Code: when to use CLAUDE.md, skills, hooks, and subagents · Anthropic (blogul Claude) · 2026
CLAUDE.md se încarcă la start și rămâne în fereastră toată sesiunea — deci e un cost permanent. Ghidul de bune practici cere să întrebi, pentru fiecare linie, dacă ștergerea ei l-ar face pe Claude să greșească și, dacă nu, s-o tai: într-un fișier umflat regulile care contează se pierd în zgomot, iar /doctor propune ce să scoți. Regulile din .claude/rules pot fi legate de anumite căi de fișiere, ca să nu plătești contextul lor peste tot. Skills (un fișier SKILL.md cu frontmatter) se încarcă la cerere și rulează în firul principal, unde vezi și corectezi fiecare pas; cele cu efecte secundare (deploy, publicare) primesc disable-model-invocation, ca să nu pornească singure. Subagenții, definiți în .claude/agents, au context și unelte proprii — pentru căutări adânci sau audituri care ar umple conversația cu rezultate intermediare; primești doar concluzia. Hooks sunt comenzi, endpoint-uri HTTP sau prompturi declanșate pe evenimente: înainte de o unealtă, după o editare, la începutul sesiunii, la oprire. Spre deosebire de CLAUDE.md, care e consultativ, hook-ul e determinist — pentru ce trebuie să se întâmple de fiecare dată, fără excepție: formatare, un test, un blocaj la fișiere protejate. Regula practică: a doua oară când repeți un flux, scrie-l ca skill; a doua oară când Claude sare peste o regulă, transform-o în hook.
Fișiere CLAUDE.md pentru contextul permanent al proiectului, reguli pentru constrângeri dure, skills pentru proceduri reutilizabile, subagenți pentru muncă delegată, hooks pentru automatizare deterministă și stiluri de ieșire sau adăugiri la system prompt pentru schimbări globale. Fiecare metodă schimbă cost de context contra autoritate.Steering Claude Code (blogul Claude, 18 iunie 2026) — paragraful de concluzie
De ce contează Instrucțiunea potrivită la nivelul potrivit costă puțin context și are exact autoritatea de care ai nevoie.
Deschide pe YouTube ↗ - 30
Odată ce ești eficient cu o sesiune, următoarea treaptă e să multiplici: worktrees pentru izolare, mesaje între sesiuni pentru coordonare, rulări fără interfață pentru fan-out — iar vara lui 2026 a mutat exact aceste piese din experiment în implicit.
What's new in Claude Code — weekly dev digest · Anthropic (documentația Claude Code) · 2026
Ghidul pune scalarea după verificare, nu înaintea ei. Uneltele: worktrees git (checkout-uri izolate, editările nu se ciocnesc, EnterWorktree pornește unul din sesiune), claude -p pentru scripturi și CI (cu ieșire JSON și lista de unelte permise pentru rulări nesupravegheate), /batch care împarte o schimbare mare pe 5–30 de subagenți, fiecare cu worktree-ul și pull request-ul lui, și tiparul Writer / Reviewer în două sesiuni: un context proaspăt nu e părtinitor față de codul tocmai scris. Ce s-a schimbat între iunie și august 2026, după digestul săptămânal: Sonnet 5 (fereastră nativă de un milion de tokeni, gândire adaptivă) și Opus 5 (același milion, plus modul rapid) au devenit modelele implicite; subagenții rulează implicit în fundal, iar din august modul fork e pornit — un subagent poate moșteni toată conversația în loc să pornească gol; sesiunile își trimit mesaje și pot fi menționate cu @ după nume; auto mode a devenit modul implicit de permisiuni pe planurile plătite, cu un clasificator care blochează doar ce pare riscant; /code-review rulează ca subagent în fundal; /design (preview) desenează artboard-uri editabile; workflow-urile dinamice orchestrează zeci de agenți dintr-un script. Costul fiecărei trepte e că mută coordonarea de la tine la unelte; ce nu se mută e verificarea. Paralelismul înmulțește debitul, nu calitatea.
Mesagerie între sesiuni: pe macOS și Linux, sesiunile tale Claude Code își pot trimite acum mesaje una alteia, așa că Claude transmite o constatare sau o decizie dintr-o sesiune în alta în loc să o explici tu din nou.What's new in Claude Code (code.claude.com, digest săptămânal) — săptămâna 32, 3–7 august 2026, v2.1.220–v2.1.224
De ce contează Paralelismul nu înmulțește calitatea, doar debitul; ce o păstrează e un recenzor cu context proaspăt.
Deschide pe YouTube ↗ - 31
Majoritatea sesiunilor proaste nu au un model prost, ci un context poluat și un prompt care n-a spus ce înseamnă «gata»; ghidul numește cinci tipare recurente și le dă fiecăruia o corecție mecanică.
Best practices for Claude Code · Anthropic (documentația Claude Code) · 2026
Cele cinci tipare. Sesiunea «chiuvetă»: sarcini fără legătură în același context, fiecare lăsând reziduuri — /clear între ele. Corecția la nesfârșit: după două corecții ratate, contextul e plin de abordări eșuate și fiecare răspuns e mai prost — /clear și un prompt nou care încorporează ce ai învățat, nu o a treia corecție. CLAUDE.md supra-specificat: reguli pe care Claude le ignoră fiindcă se pierd în zgomot — taie, sau transformă regula în hook. Încredere fără verificare: cod care «pare bine» și e greșit — teste, scripturi, capturi. Explorare infinită: «investighează» fără scop umple fereastra cu sute de fișiere — scop îngust sau un subagent care întoarce doar concluzia. Tweak-urile de productivitate din același ghid, în ordinea în care le folosești: Esc oprește fără să piardă contextul; Esc Esc sau /rewind întoarce conversația, codul sau ambele la un punct de control (fiecare prompt creează unul) și poate rezuma doar o porțiune; /compact cu instrucțiuni alege ce supraviețuiește; /btw pentru întrebări laterale care nu intră în istoric; /rename ca sesiunile să fie ramuri de lucru; /usage arată ce consumă limitele; /permissions și sandbox pentru mai puține întreruperi; o linie de stare cu consumul de context. Ghidul se încheie cu antidotul la rețete: când o sesiune a mers bine, observă ce a mers — promptul, contextul, modul — și de ce.
O sesiune curată cu un prompt mai bun bate aproape întotdeauna o sesiune lungă cu corecții acumulate.Best practices for Claude Code (code.claude.com, 2026) — secțiunea «Course-correct early and often»
De ce contează Fiecare tipar are o corecție mecanică; ce le leagă e că tratează contextul ca pe ceva de curățat, nu de acumulat.
Deschide pe YouTube ↗