agents-govern tässä projektissa

Kieli: English → governance-study.en.md

Tämä sivu kuvaa, mikä agents-govern-framework on, mitä ongelmia se yrittää ratkaista, mitä "oppiminen" tarkoittaa frameworkin kontekstissa, ja miten tämä projekti (blue-marlin) hyödyntää frameworkia.

Aiheen rakenteellinen puoli (agentit, viestintäkanavat, portit) on omassa dokumentissaan: Agents-kartta.

Mikä on agents-govern?

Lähde, mukautettu suomeksi: agents-govern README (CC-BY-SA-4.0).

agents-govern on governance-framework monen agentin AI-järjestelmiin ohjelmistokehityksessä. Kun useat AI-agentit työskentelevät yhdessä koodikannan parissa — suunnittelevat, koodaavat, testaavat, katselmoivat, käyttöönottavat — ne tarvitsevat rajoja, laatuportteja ja vastuullisuutta. Ilman näitä syntyy auktoriteettiristiriitoja, kapasiteettiajautumaa, vastuuaukkoja ja tiedon rapautumista. Framework määrittelee rakenteen, joka estää nämä virhetilat.

Mikä framework on: Governance monen agentin yhteistyölle ohjelmistokehityksen työnkuluissa — rajat, portit ja vastuullisuus, joita tarvitaan kun AI-agentit (ja ihmiset) yhteistyössä suunnittelevat, koodaavat, katselmoivat, testaavat ja deployaavat ohjelmistoa.

Mikä framework EI ole:

• Ei yleinen AI-governance-alusta. Framework ei ohjaa mallin käyttäytymistä, prompt-sisältöä tai AI-tuotteita artefakteina.
• Ei ML-governance-framework. Se ei käsittele kokeiden seurantaa, malli-kortteja, datasetin lineagea, evaluaation hyväksyntää tai drift-monitorointia.
• Ei agentti-runtime tai orkestroija. Se määrittelee roolit, portit ja artefaktit; se ei suorita agentteja.

Framework on vapaata lähdekoodia (CC-BY-SA-4.0). Tämä projekti käyttää versiota v0.34.0 (asennettu release-tarballista 2026-04-26).

Viisi ongelmaa, jotka framework ratkaisee

Lähde, mukautettu suomeksi: framework.md §1 (CC-BY-SA-4.0).

Ennen kuin agentteja suunnitellaan, on ymmärrettävä, mikä menee pieleen ilman governance-rakennetta. Nämä ongelmat on tunnistettu empiirisesti tuotannossa toimivissa monen agentin järjestelmissä:

1. Auktoriteetti ilman rajoja. Kaksi agenttia uskoo molemmat omistavansa teknisen päätöksen. Suunnittelija scopaa featuren yhteen tapaan; arkkitehti suunnittelee sen uudelleen. Kumpikaan ei tiedä toisen toiminnasta — lopputulos ei ole kompromissi vaan epäjohdonmukaista oskillointia.

2. Kapasiteettiajautuma. Agentti, jota pyydetään "parantamaan dokumentaatiota", päättää että se tarkoittaa koodin refaktorointia. "Katselmoi tämä PR" -agentti alkaa tehdä omia commitejaan. Ilman rajoja agentit laajentavat scopinsa kykynsä mukaan, eivät mandaattinsa.

3. Vastuuaukko. Agentti A delegoi agentille B, joka kutsuu agentti C:tä, joka muuttaa jaettua resurssia. Kun jokin rikkoutuu, delegointiketju ei ole jäljitettävissä. Näet oireen, mutta et syytä.

4. Paikallinen optimointi, globaali epäkohdistuma. Jokainen agentti optimoi paikallista tavoitettaan. Koodari kirjoittaa elegantin koodin, testaaja saavuttaa korkean kattavuuden, deployaaja julkaisee nopeasti. Kukin tekee oikein omassa scoupissaan, mutta järjestelmätason lopputulos voi silti olla väärä.

5. Tiedon rapautuminen. Mitä framework on aiemmin oppinut katoaa. Sama bugi löydetään uudelleen ja uudelleen, koska aiempaa ratkaisua tai ratkaisuyritystä ei tallenneta missään hakukelpoisessa muodossa.

"Oppiminen" tässä kontekstissa

agents-govern on todistuspohjainen (evidence-driven) framework. Tämä tarkoittaa konkreettisia rakenteita:

Mitä "oppiminen" EI ole

• Se ei ole AI-mallin kouluttamista — framework ei kosketa mallipainoja eikä fine-tuning-aineistoja.
• Se ei ole prompt-säätöä yksittäiseen tehtävään.
• Se ei ole koodin refaktorointia.

Mitä "oppiminen" on

Frameworkissa oppimismerkintä (learning record) on YAML-rakenne, joka taltioi yhden konkreettisen havainnon projektin pipelinen ajamisesta. Jokainen merkintä sisältää vähintään:

• Kategoria — gap (puuttuva tarkistus), validation (vahvistettu toimiva malli), adaptation (mukautus / parannus), tension (konflikti sääntöjen välillä)
• Vakavuus — informational, minor, significant, critical
• Mitä tapahtui — proosamuotoinen kuvaus tilanteesta
• Mitkä agentit / portit / säännöt olivat osallisina
• Mitä frameworkin osaa havainto koskee (jos relevanttia)
• Liiketoiminnallinen vaikutus (esim. prevented_loss, escaped_to_production, jne.)

Merkinnät tallennetaan tiedostoon learnings/<codename>.yaml — tämän projektin osalta blue-marlin.yaml.

Mihin oppiminen johtaa

Oppiminen on palautesilmukka frameworkin omaan kehitykseen:

1. Adopter-projekti törmää aukkoon, validoi oletuksen tai mukauttaa sääntöä → kirjaa oppimismerkinnän
2. Merkintä lähetetään yläjuoksuun (issue / MR)
3. InfoSec Sentinel ja Contribution Auditor -agentit katselmoivat merkinnän (ei vuoda tietoa? ei manipulatiivinen?)
4. Kun samasta havainnosta on useamman projektin todistus (corroboration), framework-versio päivitetään säännöksi tai uudeksi gate-tarkistukseksi
5. Single-adopter-evidence pysyy provisional-tilassa kunnes toinen adopter törmää samaan asiaan

Tämä on syynä, miksi yksittäisetkin merkinnät ovat arvokkaita: ne ovat raakaa evidenssiä jolla framework kehittyy — eivät kaipaa "ratkaisua" lähettämishetkellä.

Tämän projektin käyttöönotto

Mitä tämä projekti on tähän mennessä todistanut

Projekti on taltioinut 17 oppimismerkintää tiedostoon blue-marlin.yaml. Jakauma:

Frameworkin näkökulmasta arvokkaimpia ovat gap-luokan merkinnät (framework ei kattanut tilannetta — yläjuoksuun on lähetetty kolme issuea ja luonnosteltu yksi feature-ehdotus näiden pohjalta), ja critical-vakavuuden merkintä (yksittäinen mutta merkittävä):

• Iter 13: Top-waling asennettiin kannen päälle (148 mm kompastuskynnys). Kaikki silloiset 11 pytest-invarianttia hyväksyivät muutoksen. Ihmis-hallinnoija huomasi virheen Portti 2 -visuaalikatsauksessa. → Iter 15 siirsi palkin kannen alapuolelle
• uusi test_top_waling_below_deck_SAFETY-invariantti.

Yläjuoksuun ehdotetut

Mitä portit ovat torjuneet

Konkreettisia esimerkkejä siitä, missä Portti 2 -katselmus on tuottanut arvoa (Portti 1 on tässä projektissa pääosin fast-trackattu pieniin tehtäviin):

Mitä tutkielma osoittaa tähän mennessä?

Havainto. Governance-prosessi tuottaa näkyviä incidenttejä, jotka muuten kulkisivat näkymättöminä:

• Iter 13:n kompastusvaara olisi päässyt julkaisuun ilman Portti 2:n visuaalikatsausta.
• Pre-existing geometriaviat (Iter 7) olisivat jääneet pysyvästi laituri_3d.py:hin ilman katselmointia.
• Frameworkin oman MANIFEST-tiedoston ja projektin oppimismerkinnän välinen ero löytyi vasta kun Agents-kartan prototyyppi yritti käsitellä molempia samaan tapaan.

Varoitukset. Tutkielma on havainnollistava, ei tilastollinen:

• Otoskoko = 1 projekti. Yläjuoksuun siirrettävä todistus vaatii N>1 projektin corroboration.
• Ei muodollista kontrolliryhmää. REPLICATION-BRIEF.md määrittelee baseline-tehtävän, jota voi käyttää vertailupisteenä.
• Ihmis-hallinnoija (Jani) on sama henkilö, joka aikatauluttaa työn. "Huomaako governance-prosessi enemmän kuin pelkkä huolellinen ihminen?" jää avoimeksi kysymykseksi.

Linkit syvemmälle

• Yläjuoksu agents-govern -repo
• Agents-kartta — agentit, portit, viestintäkanavat
• Oppimismerkintä lähdekoodina
• Yläjuoksuehdotukset
• Replikointi-tehtävänanto (kontrolliryhmä)
• Disclaimer

Konseptiluvut (Mikä on agents-govern, Viisi ongelmaa) on mukautettu frameworkin omasta README- ja framework.md-tekstistä, jotka on lisensoitu CC-BY-SA-4.0. Sivun loput osat ovat tämän projektin omaa sisältöä.