Gauntlet Loop este o tehnică de prompting publicată de Matt Shumer în august 2026: un prompt de trei rânduri în care îi spui agentului AI ce vrei, îi ceri să împartă munca între subagenți — fiecare verificat de un critic independent — și îi dai o ștachetă concretă, un exemplu real de excelență, sub care nu are voie să se oprească. Cu promptul acesta, Claude Opus 5 a construit dintr-o singură rulare un joc de tip Call of Duty jucabil în browser: aproximativ 55.000 de linii de cod, cu toate texturile, animațiile și sunetele generate din cod, fără niciun fișier extern.
Pe scurt:
- Promptul are trei părți: sarcina, metoda de lucru (subagenți + critici separați) și ștacheta — o comparație concretă, inspectabilă, cu ceva excelent din lumea reală.
- Regula centrală: constructorul nu se evaluează singur. Un critic cu context proaspăt se uită la rezultatul real și decide dacă ștacheta e atinsă.
- Ștacheta nu se atinge aproape niciodată — și tocmai de aceea funcționează: dă direcție, nu o notă de trecere.
- Bucla costă ore de rulare și mulți tokeni, iar fără o direcție bună de pornire șlefuiește cu sârg lucrul greșit.
Ce s-a construit cu tehnica aceasta?
Demonstrația care a făcut tehnica cunoscută se numește Claude of Duty: un shooter first-person care rulează în browser, publicat de Matt Shumer cu tot cu cod sursă, sub licență MIT. Cifrele din depozitul public: aproximativ 55.000 de linii de cod în 11 subsisteme — motor de randare cu umbre și iluminare HDR, motor de fizică scris de la zero, inamici cu comportament tactic, sunet sintetizat direct din browser, fără niciun fișier audio. Totul a ieșit dintr-o singură rulare, fără intervenție manuală pe parcurs.
Demonstrația a strâns milioane de vizualizări, iar în zilele următoare alți utilizatori au refolosit promptul pentru zona de start din Pokémon reconstruită în 3D, un simulator de curse și un joc în stilul Mario Kart. Andrej Karpathy, unul dintre cei mai cunoscuți cercetători din domeniu, a comentat că astfel de lumi hiper-personalizate devin noul mod de a testa ce pot modelele — nimeni întreg la minte nu ar scrie manual ceva atât de amănunțit, dar modelele au toată răbdarea din lume.
Cum arată promptul de trei rânduri?
Partea surprinzătoare e cât de scurt e promptul. Nu conține arhitectură, nu conține specificații tehnice — conține un tipar. Cele trei părți:
| Partea | Ce conține | De ce contează |
|---|---|---|
| Sarcina | Ce vrei să existe la final („construiește un joc first-person shooter”) | Obiectivul, nu pașii — agentul decide singur cum împarte munca |
| Metoda | „Împarte munca în bucăți mici și lansează subagenți; fiecare bucată e verificată de un subagent separat” | Fiecare componentă primește un constructor și un critic cu context proaspăt |
| Ștacheta | „Nu te opri până când fiecare critic nu e uluit de calitate, comparând cu jocul Call of Duty adevărat” | O comparație concretă și inspectabilă, nu un adjectiv („să fie profesionist”) |
Diferența față de felul obișnuit de a scrie prompturi e de natură, nu de grad. Un prompt obișnuit descrie cum să arate rezultatul. Gauntlet Loop descrie cu ce se compară rezultatul — și lasă bucla să găsească drumul.
De ce constructorul nu are voie să se evalueze singur?
Pentru că modelele AI se conving singure că rezultatul lor e destul de bun. Oricine a lucrat cu un agent cunoaște momentul: livrează ceva „pretty good”, declară misiunea îndeplinită și se oprește. Regula de fier a tehnicii, în formularea lui Shumer: nu lăsa constructorul să se autoevalueze. Criticul e un agent separat, pornit cu context curat, care se uită la artefactul real — o captură de ecran, o pagină randată, un fișier — nu la descrierea pe care i-o face constructorul despre propria muncă. În unele variante, comparația e oarbă: criticul primește două versiuni fără etichete și alege una, în loc să dea note.
Principiul nu e nou. Anthropic îl documenta încă din 2024, în articolul „Building Effective Agents”: rezultatele se îmbunătățesc măsurabil când un model separat preia rolul de evaluator. Gauntlet Loop duce principiul la scară — nu un evaluator la final, ci câte un critic pentru fiecare bucată de muncă, plus o trecere finală de netezire care asigură coerența între componentele construite separat.
Ce e ștacheta și de ce e bine să fie „nerealistă”?
Aici e partea care mi se pare cu adevărat valoroasă, pentru că se transferă dincolo de programare. Ștacheta din Claude of Duty a fost jocul Call of Duty adevărat — un produs la care au lucrat sute de oameni ani de zile. Evident că un agent nu îl egalează într-o rulare. Depozitul public o spune cinstit: la evaluările interne, versiunile generate au primit note între 3,59 și 5,05 din 10 față de original, iar criticii au preferat de fiecare dată jocul real.
Și totuși ștacheta „imposibilă” e cea care a produs cele 55.000 de linii. O țintă modestă („fă un joc funcțional”) s-ar fi atins din prima iterație, iar bucla s-ar fi oprit acolo. Ținta nerealistă nu se atinge — dar arată în fiecare iterație în ce direcție e „mai bine”, iar decalajul dintre rezultat și reper devine lista de lucru a rundei următoare.
De altfel, principiul nu vine din lumea AI. Shumer a transpus la agenți o tehnică veche din business, cunoscută drept „dream big”, rezumată de o vorbă atribuită lui Norman Vincent Peale: „Shoot for the moon. Even if you miss, you’ll land among the stars” — țintește luna; chiar dacă o ratezi, aterizezi printre stele. La oameni, ținta ambițioasă funcționează pentru că schimbă nivelul la care gândești problema, nu pentru că ar fi atinsă. La agenți, exact la fel: jocul generat nu a egalat Call of Duty, dar a aterizat mult deasupra locului unde s-ar fi oprit cu o țintă cuminte.
Am scris într-un articol despre ce rămâne pentru oameni când munca o fac agenții că omul valoros e cel care poate defini munca bună și recunoaște munca proastă. Gauntlet Loop e exact ideea aceea, transformată în mecanism: singura contribuție umană din prompt este alegerea ștachetei. Restul — arhitectura, împărțirea, verificarea — e delegat. Dacă alegi prost reperul, tot sistemul optimizează spre reperul prost.
Unde recunosc tiparul din propria practică?
Nu am rulat încă un gauntlet loop pe un proiect propriu — tehnica are câteva zile, iar demonstrațiile de mai sus sunt ale autorilor citați la surse. Dar jumătate din tipar îl folosesc deja: Consiliul de agenți AI pe care l-am construit ca skill se bazează pe aceeași separare — mai mulți agenți cu roluri diferite, care nu se văd între ei, și un moderator care judecă. Diferența de destinație: Consiliul dezbate o decizie și se oprește la verdict; Gauntlet Loop produce un lucru și iterează până la standard. Primul răspunde la „ce să fac?”, al doilea la „fă până iese”.
Ce lipsea din practica mea și iau din tehnica aceasta e ștacheta externă: nu „îmbunătățește rezultatul”, ci „compară-l cu exemplul acesta concret și spune-mi unde pierde”. E o instrucțiune pe care o poți da de mâine oricărui agent, fără nicio unealtă nouă.
Ce NU face Gauntlet Loop
- Nu e gratuit și nu e rapid. Demonstrațiile documentate au rulat între o oră și mai multe ore fără întrerupere, cu zeci de agenți. Consumul de tokeni e pe măsură — Shumer recomandă rulări multi-agent tocmai pentru proiectele unde calitatea justifică nota de plată.
- Nu îți alege direcția. Jay E, autorul skill-ului public pentru tehnica aceasta, a demonstrat limita pe o pagină de produs: rezultatul arăta spectaculos, dar nu semăna cu identitatea reală a brandului. Bucla optimizează spre ștacheta primită; dacă direcția de pornire e greșită, primești lucrul greșit, șlefuit impecabil.
- Nu înlocuiește verificarea umană. Criticii sunt tot modele AI, cu limitele lor. Scorurile oneste din Claude of Duty arată că „uluit de calitate” rămâne o apreciere de model, nu o garanție.
- Nu se justifică pentru sarcini mici. Un email, un tabel, o pagină simplă se rezolvă mai ieftin cu un prompt obișnuit. Bucla are sens unde iterațiile multe chiar adaugă calitate vizibilă.
Unde se termină articolul acesta
Tiparul din spatele tehnicii — obiectiv clar, muncă împărțită, verificare independentă, comparație cu un reper concret — e felul în care merită condus orice agent AI, nu doar cei care construiesc jocuri. Exact felul acesta de a lucra cu AI-ul îl predau în cursul de AI pentru firme: 4 ședințe a câte 2 ore, grupe de maximum 8 oameni, 95 € de persoană, cu garanția banilor înapoi după primele două ședințe. Iar dacă vrei să vezi cum arată agenții puși la treabă pe procesele firmei tale, scrie-mi — construiesc automatizări care rulează azi la firme reale.
Întrebări frecvente
Ce este Gauntlet Loop?
O tehnică de prompting pentru agenți AI, publicată de Matt Shumer în august 2026. Promptul are trei părți: sarcina, metoda (subagenți verificați de critici independenți) și o ștachetă concretă — un exemplu real de excelență cu care se compară rezultatul la fiecare iterație. Bucla continuă până când criticii declară ștacheta atinsă.
Am nevoie de cunoștințe de programare ca să o folosesc?
Nu pentru prompt în sine — e text simplu, iar tiparul funcționează în orice unealtă cu subagenți, cum e Claude Code sau aplicația desktop Claude. Pentru proiecte tehnice ai însă nevoie să înțelegi ce primești: bucla produce cod pe care cineva tot trebuie să-l poată citi și rula.
Cât costă o rulare?
Depinde de proiect și de abonament. Demonstrațiile documentate au rulat între o oră și mai multe ore de lucru neîntrerupt al mai multor agenți în paralel, deci consumul de tokeni e mult peste o conversație obișnuită. Pentru sarcini mici, un prompt obișnuit rămâne alegerea rațională.
De ce nu se evaluează agentul singur?
Pentru că modelele au tendința să-și declare propria muncă suficient de bună și să se oprească. Un critic separat, cu context curat, care inspectează rezultatul real în loc să citească raportul constructorului, prinde decalajele pe care constructorul nu le mai vede. Principiul e documentat de Anthropic încă din 2024.
Funcționează și în afara jocurilor?
Da — jocurile sunt doar demonstrația vizibilă. Autorii citați au aplicat același tipar pe un tur 3D al unui apartament pornind de la schița și pozele unui anunț imobiliar, pe pagini de produs, iar Shumer menționează design, cod, marketing, redactare și cercetare. Condiția e aceeași peste tot: o ștachetă concretă, pe care criticul o poate inspecta.
Care e diferența față de Consiliul de agenți AI?
Consiliul e o tehnică de decizie: mai multe perspective independente dezbat o întrebare și un moderator dă verdictul — se termină într-o recomandare. Gauntlet Loop e o tehnică de producție: agenții construiesc, criticii compară cu ștacheta, iar bucla se repetă până când rezultatul atinge standardul. Ambele stau pe aceeași fundație: agenți cu roluri separate, care nu se validează singuri.
Surse
- Matt Shumer — The Gauntlet Loop, articolul original al tehnicii
- Claude of Duty — codul sursă complet al jocului, cu cifrele și evaluările citate (licență MIT)
- Jay E (RoboNuggets) — skill-ul public gauntlet-loop (CC BY 4.0) și videoul de prezentare din 5 august 2026, cu testele pe apartamentul 3D și pagina de produs
- Anthropic — Building Effective Agents (2024), despre evaluatorul separat
