Один записаний запуск агента провів синтетичну книгу з трьома рядками від банківського CSV до перевірених книг. Початковий баланс становив 1000 USD, у виписці було три рядки, а очікувані відповіді були виведені арифметично до запуску будь-якого звіту: перевірка завершується на 2958.50 USD, вересневий прибуток становить 1958.50 USD. Запуск точно досяг цих чисел, після однієї реальної помилки, яку він сам діагностував.
Вхідні дані
Виклик складається з трьох опублікованих файлів у /downloads/agent-accounting/, з повним сценарієм у посібнику з агентної бухгалтерії. Книги відкриваються 2026-09-01 у доларах США із 1000 USD на Assets:Checking. Виписка містить три вересневі рядки: платіж клієнта 2000.00 USD від 2026-09-02, рахунок за хостинг -29.00 USD від 2026-09-03 і відвідування кафе -12.50 USD від 2026-09-04. Правила зіставляють клієнта з Income:Consulting, хостинг з Expenses:Software, а кафе з Expenses:Dining, і кожен рахунок, названий у правилах, відкривається у стартовій книзі на необхідну дату.
Очікування випливають із рядків плюс початкового балансу, незалежно від будь-якого вихідного звіту: 1000 + 2000 - 29 - 12.50 дорівнює 2958.50 USD на перевірці, а 2000 - 29 - 12.50 дорівнює 1958.50 USD вересневого прибутку. Змінені вхідні дані або неправильне очікування призводять до провалу перевірки, а не до друку правдоподібного звіту.
Методологія
Два рівні, які тримаються окремо. Спочатку встановлений CLI-верифікатор (scripts/check-agent-accounting.py, прив'язаний до bea 0.1.0) виконує запити попереднього перегляду, застосування, повторного застосування, перевірки, балансу та звіту про прибутки у свіжій тимчасовій директорії з ізольованою конфігурацією. Він стверджує, що попередній перегляд повідомляє про 3 готові записи та нічого не записує, перше застосування записує 3 записи, повторне застосування повідомляє про 0 готових із 3 точними дублікатами та нічого не записує, побайтова ідентичність зберігається після попереднього перегляду та відхилених записів, перевірка чиста, а обидві суми збігаються з наведеною вище арифметикою. Він також намагається виконати незбалансовану транзакцію (Assets:Checking -5 USD проти Expenses:Dining 4 USD), вимагає вихідний код 1 і перевіряє, що байти книги не змінилися.
По-друге, один реальний запуск агента на свіжій копії завантажень. Клієнтом був muse 1.1.1 (Muse Code) з моделлю muse-spark-1.3-contributor, запущений без головного інтерфейсу з інструментами оболонки та запису файлів у робочій директорії, веб-інструменти вимкнені, без втручань людини під час запуску. Важливо, що rules.toml не було надано — агент вивів власну категоризацію з відкритих рахунків книги.
Спостережувані результати
Агент зробив 22 виклики інструментів (21 оболонка плюс 1 запис файлу) і завершився з кодом 0. Він переглянув CSV і 16 відкритих рахунків, прочитав довідку CLI, написав власний rules.toml (літеральні збіги з великої літери, еквівалентні канонічним шаблонам, оскільки порівняння нечутливе до регістру), попередньо переглянув 3 готові записи без запису, застосував 3 записи та виконав чисту перевірку. Його повідомлені підсумки становили 2958.50 USD на перевірці та 1958.50 USD вересневого прибутку. Оператор після цього повторно запустив обидва запити лише для читання проти книги агента та підтвердив ті самі цифри проти незалежних очікуваних значень.
Коротка демонстрація нижче відтворює цей робочий шлях детерміновано з канонічних завантажень. Це відтворення, а не живий запуск:
$ 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.Помилки та втручання
Стенограма зберігає оригінальну послідовність, включно з помилками. Два дослідницькі виклики завершилися невдачею без наслідків (pip не був встановлений; перевірка шляху для редагованого встановлення знайшла джерела поза site-packages), і агент рухався далі. Одна помилка була реальною: перший --apply завершився з помилкою Operation not permitted через блокування кешу поза робочою областю, оскільки пісочниця блокувала файли блокувань у домашньому кеші. Агент пошукав у вихідних кодах продукту, знайшов, що директорія кешу поважає XDG_CACHE_HOME, перезапустив із вказівником на нього всередині робочої директорії, записав ті самі 3 записи, які показав попередній перегляд, і видалив тимчасовий кеш після цього. Жодна книга ніколи не редагувалася вручну; кожен запис надходив від bea import --apply. Втручання під час запуску: жодного — він був без головного інтерфейсу з вимкненим підтвердженням, а людина переглянула журнал подій лише заднім числом.
Обмеження
Це перевірка виводу CLI одного запуску одного клієнта на синтетичних даних — а не бенчмарк моделі. Він не стверджує нічого про інших клієнтів, про загальну точність бухгалтерії або про роботу без нагляду у виробництві. Важливі дві відмінності. По-перше, судження про категорію проти структурної перевірки: агент вибирав, до якого рахунку належить кожен рядок, і це судження настільки ж добре, наскільки добре воно читає три недвозначні рядки. Все, що bea перевірив після цього — баланс, структуру нульової суми, виявлення дублікатів — є структурним: успішна перевірка доводить, що книга збалансована, але ніколи не те, що Expenses:Dining був правильним рахунком для кафе. По-друге, книга є іграшковою: три рядки, одна валюта, жодної неоднозначності категоризації, жодної конфліктуючої історії. Складніша виписка перевірила б судження; ця перевіряє цикл.
Завантаження
Усі вхідні дані виклику та повний запис запуску, як статичні файли, спільні для всіх локалей:
- main.bean — стартова книга, перевіряється як опублікована
- statement.csv — три синтетичні рядки
- rules.toml — детерміновані категорії
- agent-run.transcript.md — фактичний запит, повна послідовність інструментів із збереженими помилками та незалежна перевірка
- demo-replay.sh — мічений детермінований відтворення робочого шляху (потрібен
bea 0.1.0у PATH) - demo-replay.txt — захоплений вивід відтворення з підписом, текстова альтернатива перегляду демонстрації
Відтворіть це: завантажте три вхідні файли, спочатку попередній перегляд, застосуйте та перевірте дві суми проти 1000 + 2000 - 29 - 12.50. Посібник з агентної бухгалтерії проходить ті самі кроки вручну.
