Unlazy пытается заставить ИИ-агентов проверять работу до завершения

Проблема, которую решает unlazy, связана не с нехваткой возможностей ИИ, а с проверкой результата. Агент может выполнить часть задачи, создать видимость завершения и перейти к отчету. Проект Leonxlnx предлагает вместо требования "сделай лучше" использовать структуру с контрольными точками.
Основой unlazy стал метод Depth Tree. Задача разбивается на отдельные части, а каждая часть получает собственные критерии готовности. В версии 2.0 разработчик отказался от идеи простого увеличения глубины как способа получить больше усилий и сделал упор на проверяемые этапы, файлы GATES.md и команды CHECK/EXPECT.
Инструмент рассчитан на ИИ-агентов для разработки, включая Claude Code, OpenAI Codex и Cursor. Установка выполняется как добавление навыка, после чего агент может использовать правила unlazy при выполнении сложных задач.
У подхода есть очевидная цена. Дополнительные проверки требуют времени и усложняют простой сценарий, где от агента нужен быстрый ответ. Сам проект описывает метод прежде всего для крупных задач, где ошибка в финальной проверке обходится дороже, чем дополнительные этапы контроля.
Интерес здесь не в еще одном наборе промптов для ИИ. Главная идея unlazy заключается в том, что качество работы агента пытаются контролировать не обещанием выполнить задачу, а внешними проверками. Для небольших запросов такой подход избыточен, но в длительных проектах проблема раннего завершения действительно становится заметной.