Шлем пив деду

Проблема подхода «раз работает, какая разница, как выглядит код» при разработке агентов заключается в том, что он предполагает, будто агент идеально понимает, что значит «работает». На самом деле задачи часто недостаточно четко сформулированы, агенты делают неверные допущения и т. д.

Справедливости ради стоит отметить, что агенты довольно хорошо справляются с покрытием модульных тестов. Они довольно плохо справляются с проектированием пользовательского опыта (API, флаги CLI и т. д.), особенно целостного, для будущих планов развития, в которых они могут не видеть (если только ваш бэклог не идеален, а видение полностью проработано, в чем я сомневаюсь). Они плохо разбираются в том, где важна производительность и какого типа (компромисс между ЦП и памятью). Они плохо разбираются в том, где важна совместимость, а где нет (и склонны ошибаться в сторону ее сохранения без дополнительных указаний). И т. д.

Если у вас не прописано ВСЁ это, вы не можете утверждать, что «это работает», не взглянув и не подумав об этом.