Am Donnerstagnachmittag fängst du mit deinem Coding-Assistenten an, deine Abrechnung auf einen neuen Zahlungsanbieter umzustellen. Ihr einigt euch auf das Ziel und verwerft den Ansatz, der eine Ausfallzeit bedeutet hätte. Zweimal korrigierst du ihn bei der Rundung von Erstattungen, und ihr hört auf, bevor die letzten paar Dienste umgezogen sind. Was der Nachmittag hervorgebracht hat, waren vor allem Entscheidungen.
Am Freitagmorgen weiß eine neue Sitzung nichts davon. Du fügst deine Notizen ein, erklärst die Rundung noch einmal und siehst zu, wie sie den Ansatz vorschlägt, den du am Vortag verworfen hast. Dasselbe passiert, wenn ein Kollege die Aufgabe in Codex statt in Claude übernimmt, und noch einmal im nächsten Quartal, wenn dein Unternehmen auf ein neueres Modell umsteigt.
Damit eine Aufgabe weitergehen kann, braucht sie vier Dinge: das Ziel, die bereits getroffenen Entscheidungen, die Korrekturen und das, was noch zu tun ist. Genau das trägt Duplex über Sitzungen, Agenten, Apps und Modelle hinweg. Es bleibt aktuell, wenn sich ein Fakt ändert, und bei jedem Teil siehst du, woher es kommt. Die Arbeit folgt dir, statt darauf zu warten, dass du sie neu aufbaust.
Die nächste Sitzung beginnt, wo die letzte endete.
Die nächste Sitzung beginnt, wo die letzte endete.
Eine lange Sitzung besteht zum großen Teil aus dem Weg zu einer Entscheidung: Optionen abgewogen, Entwürfe verworfen, Sackgassen ausprobiert und aufgegeben. Die nächste Sitzung muss wissen, wo dieser Weg endete, und nur selten jeden Schritt, der dorthin geführt hat.
Die üblichen Wege, Arbeit weiterzutragen, helfen alle, bis zu einem gewissen Punkt. Den ganzen Verlauf wieder einzufügen klappt gut, solange der Verlauf kurz ist, und eine Notizdatei hast du selbst in der Hand. Aber jemand muss einfügen, kürzen und aktualisieren, jedes Mal, und die Notizen sind nur so aktuell wie derjenige, der sie zuletzt angefasst hat.
Duplex bringt jeder neuen Sitzung den Stand der Arbeit statt ihres Protokolls, und so gehört die erste Stunde der Arbeit selbst, statt damit zu vergehen, längst Geklärtes neu zu entdecken. Übernimmt ein anderer Agent die Aufgabe, in einem anderen Assistenten oder in einem, den dein Unternehmen gebaut hat, beginnt er an derselben Stelle.
Bei jedem Teil siehst du, woher es kommt: von welchem Agenten, mit welchem Modell und wann. Eine Entscheidung, die am Donnerstag in Claude gefallen ist, kommt am Freitag mit offen sichtbarer Herkunft in Codex an, sodass niemand sie ungeprüft hinnehmen muss.
Der Unterschied wächst mit der Aufgabe. Der Verlauf wird mit jeder Sitzung länger, und ihn ganz zu lesen kostet bei jeder Frage mehr, während das, was der nächste Schritt braucht, klein bleibt.
Nach ein paar Sitzungen ist es noch günstig, für jede Frage den ganzen Verlauf zu lesen.
Deine Modellwahl bleibt offen.
Modelle werden besser, Preise ändern sich, und verschiedene Aufgaben passen zu verschiedenen Anbietern. Das Modell, das deine besten Code-Reviews schreibt, ist vielleicht nicht das, das deinen Kunden am besten antwortet, und das beste Modell dieses Jahres ist kaum das beste des nächsten. Ein Team, das frei zwischen ihnen wechseln kann, bekommt von jedem das Beste.
Was den Wechsel meist schwer macht, ist alles, was um das alte Modell herum gebaut wurde. Prompts, die auf seine Eigenheiten abgestimmt sind, Beispiele, die eigens dafür ausgewählt wurden, und Fine-Tunings, die in seine Gewichte trainiert wurden, bleiben alle bei dem Modell, für das sie gemacht sind. Ein Fine-Tuning ist eine gute Wahl, wenn du ein Modell dauerhaft verändern willst, und genau da liegt der Haken: Wechsle das Modell, und das Anlernen beginnt von vorn.
Was Duplex lernt, arbeitet neben dem Modell statt in ihm, also zieht es mit, wenn du wechselst. Verlege eine Aufgabe auf ein besseres Modell, und das neue Modell beginnt mit allem, was Duplex über die Arbeit weiß: den Entscheidungen, den Korrekturen und der laufenden Aufgabe. Als die Arbeit zu einer anderen Modellfamilie wechselte, brauchte Duplex überhaupt kein Neutraining, und ein feinabgestimmter Adapter schaffte denselben Wechsel in keinem von sechs Tests.
Das Modell wird zu einer Wahl, die du nach Leistung triffst, Aufgabe für Aufgabe, sobald ein besseres kommt. Code-Reviews können auf einem Modell laufen und Support-Antworten auf einem anderen, mit derselben Intelligenz neben beiden.
Verschiedene Aufgaben passen zu verschiedenen Modellen, und Duplex bringt jedem, was es gelernt hat.
Was dir folgt, bleibt aktuell.
Arbeit weiterzutragen hilft nur, wenn das Weitergetragene noch stimmt, und Fakten ändern sich mitten in einer Aufgabe. Letzte Woche nahm dein Shop Rücksendungen 30 Tage lang an, und am Montag wurden laut Richtlinie 14 daraus. Ein Verlauf, der beide Fassungen enthält, reicht dem Modell früher oder später die alte, und das Modell merkt nicht, dass sie ersetzt wurde.
Die übliche Antwort heißt Suchen: den Verlauf oder das, was eine Gedächtnisfunktion gespeichert hat, nach dem durchforsten, was der Frage am ähnlichsten sieht. Suche ist gut darin, zu finden, was gesagt wurde. Aber die alte Richtlinie wirkt genauso relevant wie die neue, oft sogar relevanter, weil länger über sie gesprochen wurde, und eine Suche kann einen Fakt nicht von dem Fakt unterscheiden, der ihn ersetzt hat.
Duplex folgt der Änderung. Ändert sich ein Fakt, lenkt der alte die Arbeit nicht mehr, und die nächste Sitzung, der nächste Agent und das nächste Modell bekommen den aktuellen. Du siehst, was er ersetzt hat und wann. In einem öffentlichen Benchmark für lange Verläufe, in dem sich ein Fakt mitten im Verlauf geändert hatte, antwortete Duplex in 96% der Fälle mit dem aktuellen.
Sitzungen enden, Agenten wechseln, Modelle werden ersetzt, und mit Duplex kostet nichts davon dein Team seinen Fortschritt. Wer die Aufgabe als Nächstes übernimmt, in welchem Werkzeug und auf welchem Modell auch immer, beginnt mit dem Ziel vor Augen, mit getroffenen Entscheidungen, angewandten Korrekturen und ohne die alten Fakten im Weg. Die Werkzeuge werden zu einer Wahl für heute, und die Arbeit wird zu etwas, das bleibt.