Вариантов много, если у модели маленькое контекстное окно то при его заполнении контекста будет деградация всего агента, информацию можно собрать и провалидировать, ну и в каждом случае разные нюансы могут быть... но когда делаешь поток задач который выдает ролик и ты видишь результаты его - спрашиваешь обсуждаешь с нейросетью задачу прям очень до мелких процессов документируя спеки и дорабатывая их постоянно то агент обучается достаточно конкретно решать нужные задача.

Да, но я столкнулся с тем, что агент периодически филонит) и он реально иногда врет. Кокотайло тз open ai утверждает, что этим грешат даже топовые модели

Можно вынести в крон агентную задачу на проверку выполненных задач, чтобы оценивал качество реализации или проеба и пинал основого агента не тупить. Еще можно пробовать через ево-скилл чтобы агент выстраивал себе скилл из финальной точки идеального решения- нужно пару раз с ботом посидеть задачу прогнать