# Il tuo agente riesce a quadrare questi libri contabili?

Un'esecuzione registrata dell'agente ha portato un registro sintetico di tre righe da un CSV bancario a libri contabili verificati. Il saldo di apertura era `1000 USD`, l'estratto conto conteneva tre righe e le risposte attese sono state derivate con l'aritmetica prima di eseguire qualsiasi report: il conto corrente chiude a `2958.50 USD`, l'utile di settembre è `1958.50 USD`. L'esecuzione ha raggiunto esattamente quei numeri, dopo un vero errore che l'agente ha diagnosticato da solo.

![Contabile in argilla che bilancia blocchi verdi su una bilancia d'ottone accanto a una calcolatrice e una tazza di caffè.](/img/research-logs/can-your-agent-balance-these-books/hero.webp)



## Input

La sfida consiste in tre file pubblicati in `/downloads/agent-accounting/`, con lo scenario completo nella [guida alla contabilità con agenti AI](/docs/Solutions/accounting-with-ai-agents). I libri si aprono il 2026-09-01 in USD con `1000 USD` in `Assets:Checking`. L'estratto conto contiene tre righe di settembre: un pagamento cliente di `2000.00 USD` il 2026-09-02, una fattura di hosting di `-29.00 USD` il 2026-09-03 e una visita al bar di `-12.50 USD` il 2026-09-04. Le regole mappano il cliente su `Income:Consulting`, l'hosting su `Expenses:Software` e il bar su `Expenses:Dining`, e ogni conto nominato dalle regole viene aperto nel registro iniziale alla data richiesta.

Le aspettative derivano dalle righe più il saldo di apertura, indipendentemente da qualsiasi output di report: `1000 + 2000 - 29 - 12.50` fa `2958.50 USD` di conto corrente, e `2000 - 29 - 12.50` fa `1958.50 USD` di utile di settembre. Un input modificato o un'aspettativa sbagliata fa fallire la verifica invece di stampare un report dall'aspetto plausibile.

## Metodologia

Due livelli, tenuti separati. Primo, un verificatore CLI installato (`scripts/check-agent-accounting.py`, vincolato a `bea 0.1.0`) esegue preview, apply, repeat apply, check, balance e query di conto economico in una nuova directory temporanea con configurazione isolata. Afferma che la preview riporta 3 pronti e non scrive nulla, che il primo apply scrive 3 registrazioni, che il repeat apply riporta 0 pronti con 3 duplicati esatti e non scrive nulla, che l'identità dei byte sopravvive a preview e scritture rifiutate, che il check è pulito e che entrambi i totali corrispondono all'aritmetica precedente. Tenta anche una transazione non bilanciata (`Assets:Checking -5 USD` contro `Expenses:Dining 4 USD`), richiede exit 1 e verifica che i byte del registro siano invariati.

Secondo, una vera esecuzione dell'agente su una copia fresca dei download. Il client era `muse` 1.1.1 (Muse Code) con modello `muse-spark-1.3-contributor`, avviato headless con strumenti shell e scrittura file all'interno della workdir, strumenti web disabilitati e nessun intervento umano durante l'esecuzione. Fondamentalmente, **nessun `rules.toml` è stato fornito** — l'agente ha derivato la propria categorizzazione dai conti aperti nel registro.

## Risultati osservati

L'agente ha effettuato 22 chiamate di strumento (21 shell più 1 scrittura file) ed è uscito con codice 0. Ha ispezionato il CSV e i 16 conti aperti, ha letto la superficie di aiuto della CLI, ha scritto il proprio `rules.toml` (corrispondenze letterali maiuscole, equivalenti ai pattern canonici perché il matching non fa distinzione tra maiuscole e minuscole), ha mostrato in anteprima 3 pronti senza scrivere nulla, ha applicato 3 registrazioni ed eseguito un check pulito. I totali riportati sono stati `2958.50 USD` nel conto corrente e `1958.50 USD` di utile di settembre. L'operatore ha rieseguito entrambe le query di sola lettura sul registro dell'agente successivamente e ha confermato le stesse cifre rispetto ai valori attesi indipendenti.

La breve demo qui sotto ripropone in modo deterministico quel percorso funzionante dai download canonici. È una riproduzione, non l'esecuzione dal vivo. Questa cattura proviene da `bea 0.1.0` del 2026-09-10; con `bea 0.3.1` la stessa riproduzione raggiunge gli stessi totali e `bea check` non stampa nulla in caso di successo invece di una riga "no errors":

```console
$ bea --version
bea 0.1.0
$ bea import (preview)
csv → Assets:Checking: 3 ready, 0 exact duplicates, 0 possible duplicates
$ bea import --apply
Wrote 3 entries to $WORK/books/main.bean.
$ bea check
$WORK/books/main.bean: no errors
$ bea balance Assets:Checking
    Checking                                      2,958.50 USD
$ bea report income-statement -t 2026-09
Net Profit: 1,958.50 USD
checking: 2958.50 USD (expected)
profit: 1958.50 USD (expected)
REPLAY OK: preview 3/0, applied 3, check clean, 2958.50 / 1958.50 USD.
```

## Errori e interventi

La trascrizione mantiene la sequenza originale, errori inclusi. Due chiamate esplorative sono fallite in modo innocuo (`pip` non era installato; un tentativo di percorso per installazione modificabile ha trovato fonti fuori da site-packages) e l'agente è andato avanti. Un errore era reale: il primo `--apply` è terminato con `Operation not permitted` su un lock di cache fuori dall'area di lavoro, perché la sandbox bloccava i file di lock nella cache home. L'agente ha cercato nei sorgenti del prodotto, ha scoperto che la directory della cache rispetta `XDG_CACHE_HOME`, ha rilanciato puntandola all'interno della workdir, ha scritto le stesse 3 registrazioni mostrate in anteprima e ha rimosso la cache temporanea successivamente. Nessun registro è mai stato modificato a mano; ogni registrazione è arrivata da `bea import --apply`. Interventi durante l'esecuzione: nessuno — era headless con approvazione disattivata e un essere umano ha esaminato il log degli eventi solo a posteriori.

## Limiti

Questa è una verifica di output CLI di un'unica esecuzione di un client su dati sintetici — non un benchmark di modelli. Non afferma nulla su altri client, sull'accuratezza contabile in generale o sull'uso di produzione senza supervisione. Due distinzioni contano. Primo, **giudizio di categoria versus validazione strutturale**: l'agente ha scelto a quale conto apparteneva ogni riga, e quel giudizio è valido solo quanto la sua lettura di tre righe inequivocabili. Tutto ciò che `bea` ha verificato successivamente — il saldo, la struttura a somma zero, il rilevamento dei duplicati — è strutturale: un check superato dimostra che i libri quadrano, mai che `Expenses:Dining` fosse il conto giusto per il bar. Secondo, il registro è un giocattolo: tre righe, una valuta, nessuna ambiguità di categorizzazione, nessuna storia in conflitto. Un estratto conto più difficile metterebbe alla prova il giudizio; questo mette alla prova il ciclo.

## Download

Tutti gli input della sfida e la registrazione completa dell'esecuzione, come file statici condivisi da ogni locale:

- [main.bean](/downloads/agent-accounting/main.bean) — registro iniziale, valido come pubblicato
- [statement.csv](/downloads/agent-accounting/statement.csv) — le tre righe sintetiche
- [rules.toml](/downloads/agent-accounting/rules.toml) — categorie deterministiche
- [agent-run.transcript.md](/downloads/agent-accounting-run/agent-run.transcript.md) — il prompt effettivo, la sequenza completa degli strumenti con gli errori mantenuti e la verifica indipendente
- [demo-replay.sh](/downloads/agent-accounting-run/demo-replay.sh) — riproduzione deterministica etichettata del percorso funzionante (richiede `bea` nel PATH; verificato con `bea 0.3.1`, 2026-11-01)
- [demo-replay.txt](/downloads/agent-accounting-run/demo-replay.txt) — output di riproduzione catturato con didascalia, l'alternativa testuale alla visione della demo

Riproducila: scarica i tre input, fai prima la preview, poi apply, e verifica i due totali rispetto a `1000 + 2000 - 29 - 12.50`. La [guida agli agenti](/docs/Solutions/accounting-with-ai-agents) illustra gli stessi passaggi manualmente.
