Sok AI operációs rendszer felhasználó tapasztalja, hogy ahogy egyik modellről a másikra váltanak – például Claude-ról Codexre vagy Geminire –, a rendszerük egyre kaotikusabbá válik. Számos eszköz, képesség, szabály, plugin és projekt halmozódik fel, amely egy idő után kezelhetetlenné teszi a munkakörnyezetet.
Gyors modellelvándorlás, gyakori GitHub-trendek követése és számos ideiglenes, már nem releváns fájl okozza a rendszerszintű bloatot. A szabályok és képességek között gyakran vannak átfedések, elavult beállítások és konfliktusok, amelyeket nehéz manuálisan szűrni. Így előfordul, hogy a rendszer önmagát hátráltatja: a felhasznált tokenek száma megnő, az átláthatóság csökken, az AI pedig nem mindig a kívánt módon működik.
A videó példákkal mutatja be, hogy két különböző vállalkozó miként szenved a kezeletlen fájlok, elavult szabályok és felesleges képességek okozta káosszal. Bemutatásra kerül az a dilemma is, hogy mely képességeket vagy eszközöket érdemes globális szinten használni, és mikor hasznosabb csak időszakosan vagy egy projekthez kötve alkalmazni őket.
Felvetődik az a fontos kérdés is, hogyan lehet a különböző modellek és rendszerek közötti átjárhatóságot (modell-agnosztikusságot) növelni úgy, hogy közös szabály- és képességállományokat hozunk létre, miközben folyamatosan tisztán tartjuk az infrastruktúránkat. A szerző rámutat arra, hogy a legtöbb FOMO-alapú képesség-töltögetés felesleges, miközben egy működőképes rendszerhez néhány jól szervezett szabály és folyamatos auditálás is elegendő lehet.
