Optimierung einer 200.000 Zeilen umfassenden Python-Codebasis über Nacht mit Gemini 4 Argon

Eine agentische Optimierungsaktion über Nacht zur Optimierung des Google Agent Development Kit (ADK) – einer 200.000 Zeilen umfassenden Python-Codebasis – mit Gemini 4 Argon. Der wertvollste Teil der Geschichte ist die Arbeitsteilung: Der Agent erkundet, der Maintainer subtrahiert.

Das Problem

import google.adk zog Module für Live-Audio/Video-Streaming, OpenTelemetry-Tracing und Webserver (FastAPI, Starlette) mit ein – selbst für einen einfachen Textagenten. Das Umschreiben von Top-Level-Imports bricht nachgelagerte Tests, die Attribute direkt auf Modulen mocken.

Als Argons PR in Runde zwei drei interne Flow-Imports aus llm_agent.py entfernte, bestanden alle 16.892 Open-Source-Tests – doch 25 interne Google-Testziele schlugen fehl, weil sie genau diese Attribute patchten. Der ausgelieferte Fix: Lazy Module Accessors, sodass schwere Pakete nur bei der ersten Verwendung geladen werden, während jedes öffentliche Attribut dort patchbar bleibt, wo Tests es erwarten.

Sechs Vorschläge, zwei ausgeliefert

Argon schlug sechs Optimierungen vor. Zwei wurden ausgeliefert; vier wurden im Code-Review gestrichen – und die Ablehnungen sind der lehrreiche Teil:

Ausgeliefert:

• Session-Copy-Optimierung (reduzierte echten Overhead sauber)
• Lazy Imports (oben)

Abgelehnt, und warum:

1. Ein Multi-Agent-Ereigniscache beschleunigte einen synthetischen Benchmark um 17 % – beruhte jedoch auf einer schwachen Speicherreferenz, die über Sitzungen hinweg veraltete Daten liefern könnte, wenn Python nach der Garbage Collection eine Speicheradresse wiederverwendet.
2. Ein Telemetrie-Check las ein privates Attribut der OpenTelemetry-Tracer-Implementierung – könnte bei einem kleineren Bibliotheks-Upgrade stillschweigend brechen.
3. Eine Neufassung der Formatierung des Gesprächsverlaufs machte einen zentralen Codepfad schwerer lesbar, ohne die End-to-End-Latenz im unabhängigen Holdout-Benchmark zu verbessern.
4. Ein Nachschlageindex für Workflow-Ereignis-Wiedergaben fügte Zustandsverfolgungskomplexität hinzu, die nur synthetischen Wiedergabetests half, nicht alltäglichen Agentenläufen.

Die finale Änderung: eine 22-Dateien-Änderung, gestützt durch 17 neue Testfunktionen, eingespielt mit dem Commit-Hinweis „Argon generated these changes."

Was „158 Turns" bedeutet

Die Turn-Anzahl des Commits wird präzise erklärt: Ein „Turn" in ADK ist der Zyklus von der Eingabeaufforderung bis zur endgültigen Antwort – über eine vollständige Agentensitzung mit Tool-Aufrufen, Sub-Agenten und Wiederholungen kann eine einzelne Benutzerinteraktion viele Modell-Turns umfassen. 158 Turns ist die gemessene, optimierungsgetriebene Anzahl für diese Arbeitslast, weshalb rohe „Turns" ohne diese Definition irreführen.

Fazit

Dies ist das Muster, dem agentisches Refactoring überall folgen sollte: Das Modell breit erkunden und vorschlagen lassen, eine rigorose menschliche Überprüfung mit einer echten Testsuite und einem Holdout-Benchmark beibehalten und clevere, aber fragile Änderungen ablehnen, indem man misst, was sie tatsächlich bewirken. Der Agent fand kreative Lösungen, die Menschen nicht gefunden hätten – und der Review-Prozess ist genau das, was sie sicher auslieferbar machte.