Hvorfor topologi-styring er afgørende for AI-assisteret udvikling

Hvis du har prøvet at bruge flere AI-kodningsassistenter på samme tid, kender du problemet: hver gang sessionen genstartes, er al viden væk. Du skal forklare konteksten igen, genoprette arbejdsprocesser og minde agenterne om beslutninger fra sidste uge. Det svarer til at onboarde de samme eksterne konsulenter hver morgen.

OpenRig ændrer tilgangen ved at behandle multi-agent-opsætninger som infrastruktur – fordi det i bund og grund er, hvad de er.

Problemet med dagens AI-workflows

De fleste udviklere starter AI-agenter som isolerede sessioner. Claude afslutter en opgave. Du skifter kontekst. GPT-4 kommer ind uden nogen hukommelse om, hvad der lige er sket. Der findes ingen delt hukommelse, ingen vedvarende identitet og ingen reel teamstruktur.

Det fungerer til hurtige, engangsopgaver. Men det bryder sammen, når du arbejder på større projekter, hvor du har brug for:

• Vedvarende identitet: Den samme agent bevarer konteksten over dage eller uger
• Delt viden: Agenter lærer af hinandens opdagelser
• Holdbare beslutninger: Arkitektoniske valg fra i går overlever dagens genstart
• Skalerbar koordinering: Ti agenter arbejder sammen uden kaos

Det er som at drive produktionsinfrastruktur uden et orkestreringslag. Det kan lade sig gøre, men det holder ikke i længden.

Topologi som infrastruktur for agenter

OpenRig introducerer begrebet rig – en YAML-defineret topologi, hvor agenter arbejder sammen som en styret enhed. Tænk på det som Terraform, men til dit udviklingsteam.

En rig er ikke bare en liste over agenter. Det er en graf. Agenter grupperes i pods, der deler kontekst. Pods forbindes via definerede edges, der styrer kommunikationen. Hele topologien kan gemmes, gendannes og genskabes som ét sammenhængende system.

Én YAML-fil. Én kommando. Hele flåden starter.

pods:
  orchestration:
    agents:
      - lead (Claude Opus)
      - coordinator (Claude Sonnet)
  
  development:
    agents:
      - implementation (Claude Code)
      - review (Codex)
  
  research:
    agents:
      - explorer-1, explorer-2, explorer-3

Det er ikke en hypotese. Det er en reel infrastrukturbeskrivelse.

Funktioner der ændrer arbejdsgangen

Vedvarende identitet

Agenter er ikke længere midlertidige. Den samme agent beholder sin rolle, sin viden og sine relationer over uger. Når kontekstvinduet fyldes, overføres agenten til en ny session med hele sin tilstand intakt. Det er ikke en genstart – det er en fortsættelse.

Delt hukommelse på tværs af topologien

Agenter i samme pod kan eksternalisere og dele tilstand. Når én agents kontekst komprimeres, kan de andre genskabe den viden. Arkitekturbeslutninger, kodningsmønstre og designvalg akkumuleres på tværs af netværket i stedet for at forsvinde ved genstart.

Én koordinationsflade

Én grænseflade styrer det hele. Du kan tjekke hele din agentflåde fra mobilen via Claude's Remote Control. Ingen kontekstskift mellem forskellige dashboards. Én samtale styrer hele topologien.

Topologier der allerede er i brug

Dokumentationen viser mønstre, der er opstået i praksis:

Adversarial Review: To agenter (Claude og Codex) gennemgår hver pull request fra forskellige vinkler. Forskellige modeller fanger forskellige fejl. Forskellige styrker forstærker hinanden.

Research Cluster: Fire agenter undersøger samme problem peer-to-peer uden hierarki. Vidensbasen deles mellem dem alle. Ægte parallel undersøgelse.

Security Hardening: Angrebsagenter tester. Forsvarsagenter retter. Observatører dokumenterer. De arbejder som en enhed, indtil overfladen er sikker.

Continuous Refactor: Refaktorering kører natten over, mens udviklerne sover. Review-poden fanger regressioner. Ingen flaskehals. Ægte asynkront arbejde.

Agent-Managed Software: Én agent styrer HashiCorp Vault for hele teamet. Agenten kører værktøjet, så mennesker ikke behøver at gøre det. Infrastructure as code – nu infrastructure-as-agent.

Hvorfor det betyder noget for din arkitektur

Traditionelle workflows antager, at agenter er engangsredskaber. Den antagelse holder ikke, når du bygger reel software:

• Viden akkumuleres hurtigere: Agenter husker, hvad de har lært, og træffer bedre beslutninger
• Kontekst nulstilles ikke: Du undgår at forklare de samme krav fem gange
• Specialisering bliver mulig: Én agent ejer test. En anden ejer refaktorering. De træder ikke på hinanden
• Asynkront arbejde fungererer: Agenter fortsætter med at forbedre kode, mens du sover – uden at miste sammenhæng

Det bliver muligt, når dit agentnetværk har vedvarende identitet og delt hukommelse. Ikke bare bedre agenter. Teams der faktisk fungerer som teams.

Kom godt i gang

OpenRig indeholder en discovery-tilstand. Hvis du allerede har agenter kørende i tmux eller andre miljøer, kan rig discover analysere dine eksisterende sessioner og generere et forslag til en RigSpec. Du starter ikke fra bunden – du formaliserer det, der allerede virker.

CLI'en klarer resten: boot, snapshot, restore, visualize. Én kommando bringer hele din flåde online.

For udviklere hos NameOcean eller andre steder, der arbejder med hosted infrastructure, er dette velkendt territorium. Du definerer din produktionsinfrastruktur i YAML. Du versionerer den. Du ved præcis, hvad der findes. OpenRig bringer samme disciplin ind i dine AI-workflows.

Det større billede

OpenRig er open source og kræver ingen API-nøgler ud over dem, du allerede bruger til Claude eller Codex. Det er infrastruktur, du styrer – ikke endnu en lukket vendor-løsning.

Det startede som et spørgsmål om, hvordan man undgår, at agenter glemmer alt. Det er blevet til noget større: en grundlæggende byggesten for agent-teams, der kan overleve reel udvikling. Den overlevelse betyder mere, end vi ofte indrømmer i AI-verdenen. Det er forskellen mellem en legetøjsløsning og et værktøj, der faktisk leverer.

Din agent-topologi er infrastruktur. Behandl den som sådan. Definer den, versionér den, gendan den, forbedr den.

Det er det, OpenRig gør muligt.

Vil du udforske, hvordan vedvarende, koordinerede agent-teams kan forbedre din udviklingsproces? Tjek den fulde OpenRig-dokumentation eller hop ind i GitHub-repoet og start din første rig.