L'Architect Agent
Chiama architect.validate per ottenere un Blueprint Readiness Score (0–100, voto A–F) sul codice reale. L'Architect Agent revisiona la tua implementazione rispetto ai 10 principi Blueprint, restituisce verdetti per ogni principio CON severità e confidenza numeriche, e salva il run con un envelope di riproducibilità completo così due chiamanti con lo stesso input possono verificare di aver ottenuto la stessa risposta. Solo piani Pro e Teams.
Membri Pro e Teams. L'Architect Agent è la superficie di revisione autenticata di Blueprint, revisiona il tuo codice sotto una rigorosa politica di no-training, fortifica il confine del prompt contro injection nel codice inviato, e supporta private_session=true per saltare la registrazione lato server.
Cosa ricevi indietro
Ogni run restituisce una risposta strutturata con sette blocchi:
assessmentStato generale, sintesi, confidence e code_classification (autonomous_agentic_workflow vs non_agentic_component, con motivazione) così vedi perché alcuni principi sono marcati not_applicable.
findings[]Verdict per principio (aligned, mixed, needs_changes, high_risk, not_applicable), severity_score 0–100, confidence (low/medium/high), evidence_quality (sparse/moderate/strong), evidence citata dal codice, e una recommendation.
readinessIl Blueprint Readiness Score (0–100), voto (A–F), livello (production_ready / emerging / draft), conteggi per bucket di verdict, se il voto è stato cappato da un finding high_risk, e la rubric_version.
recommended_examplesPorta example_recommendation_status così il run completa anche se nessun esempio curato corrisponde.
processingllm_latency_ms, total_latency_ms, timeout_budget_seconds, dependency_status.
reproducibilitymodel, seed, system_fingerprint, doctrine_fingerprint, prompt_template_fingerprint, reasoning_effort, e reproducibility_mode='best_effort'.
persistence_statussaved o failed, con run_id / badge_url / review_url esposti solo quando la scrittura durabile ha avuto successo.
Scoring per severity_class (production_blocker vs hardening_recommended)
Due finding needs_changes possono avere impatti molto diversi. Un cap di token come defence-in-depth non è la stessa cosa di un error path non tipizzato che lascia un utente reale bloccato. Ogni finding ora porta una severity_class ortogonale al verdict:
production_blockerLa trust boundary cede. Da correggere prima della produzione. Contribuisce 0 credito.
hardening_recommendedLa trust boundary regge. Nota di defence-in-depth per la prossima iterazione. Credito pieno.
polishStilistico, non load-bearing. Credito pieno.
Il voto principale penalizza solo production_blocker e il verdict legacy high_risk. hardening_recommended e polish emergono in una lista next-iteration separata senza trascinare lo score in basso. Questo permette a production_ready di significare che le trust boundary reggono invece di 100/100. I run vecchi senza severity_class usano l'interpolazione legacy verdict + severity_score e ottengono lo stesso voto di prima.
Score onesto, incertezza onesta
Il Blueprint Readiness Score riflette ciò di cui l'Architect Agent è sicuro, e ciò di cui non lo è. Quando l'architect è genuinamente incerto su un principio (verdetti che potrebbero cambiare su un re-run), vedi quell'incertezza emergere accanto allo score come segnale di stabilità, non sepolta in un singolo numero. Il badge certified production_ready è riservato ai run dove la lettura dell'architect è sicura su ogni principio, non solo fortunata su un singolo shot. Quindi un singolo run ad alto punteggio non basta per coniare il badge. L'architect deve concordare con sé stesso su una rivalutazione indipendente. La varianza che altrimenti dovresti scoprire eseguendo nuovamente emerge subito, nella stessa risposta.
Envelope di riproducibilità (best-effort, ma auditabile)
Due chiamanti che inviano input identici ottengono lo stesso seed, derivato da una canonicalizzazione JSON senza collisioni che copre ogni campo che influenza il prompt. La risposta porta quattro fingerprint così ogni divergenza è diagnosticabile:
system_fingerprintIdentificatore del backend del provider OpenAI.
doctrine_fingerprintLe definizioni di principio usate per questo run.
prompt_template_fingerprintsystem prompt + scaffolding + JSON schema + modello + reasoning_effort, hashati insieme.
seedIl seed di sampling deterministico stesso.
Se un deploy futuro cambia il system prompt o la doctrine, il fingerprint corrispondente cambia. Rompere il determinismo in silenzio è impossibile per costruzione. La modalità è esplicitamente best_effort: il seed OpenAI dà sampling stabile, non replay byte-identico. La confidence per finding permette di distinguere un disaccordo reale dalla varianza intrinseca dell'LLM.
Also in this section