Wait and see..
අපේ ඕවර්සීස් ටීම් එකේ උන් ක්ලෝඩ් ඒජන්ට්ස්ලා දාගන ෆුල් කෝඩ් කරලා නාල තියන නෑම දැක්කාම It's just matter of time බං.
අන්තිමට අපි තමයි ෆික්ස් කරේ සේරම. ආකිටෙක්චර් එකේ ඉදලා හැදිගෑවිලා ගිහිං තිබුනෙ...
වයිබ්කෝඩ් කරලා තියන ඇප්වල තියන වැහි වනාන්තරවල ඉන්න කෘමීන් ගාණට තියන බග්ස් ගාණ, සෙකියුරිටි ෆ්ලෝ දැක්කාම මුන්ට පිස්සුද කියලත් හිතෙනවා.
ඔය AI Companies සේරම දුවන්නෙ VC Funds උඩ. කිසිම එකක් ප්රොෆිට් කරන්නෙ නෑ. ඉස්සරහට කරන පාටකුත් නෑ. VC Funds වලින් හැමදාම දුවන්නත් බෑ. IPO දාල ගොන්නු ටිකකට ෂෙයා විකුණලා උන් සෙටල් කරගනීවි. ඩොට් කොම් බබල් බර්ස්ට් එකෙන් පස්සෙ හරියට ස්ටැබ්ලයිස් උනා වගේ ආයෙ හැදේවි ඊට පස්සෙ.
AGI General public එකට කවදාවත් ලැබෙන්නෙ නෑ. AGI දෙනවා නං ඉන්ටර්නෙට් එකේ තියන ප්රධානම ෆවුන්ඩින් ආකිටෙක්චර් එක වෙනස් වෙන්න ඕන. වෙනස් කරන්න ඕන. සෙකියුරිටි මෙෂර්ස් ප්රොටොකෝල් වෙනස් වෙන්න ඕන. දැන් තියන ඒවාට එහෙම ඕල්ටර්නේටිව්ස් නැහැ. ඒව හැදෙන්න සෑහෙන කාලයක් යනවා. ඒ හින්දා AGI කියලා වෙස් වලාගන එන්නෙත් LLM ම තමා. LLM තියන තාක් කාලයක් උන් පැටර්න් මැච් කරන එක නතරවෙන්නෙ නෑ. හිලුසිනේෂන් නතරවෙන්නෙත් නෑ. ඒවා නොවෙන තාක් කාලයක් සංකීර්ණ වැඩක් කරන මනුස්සයෙක් රිප්ලේස් කරන්න බෑ.
How I am building my system. I got claude to summarise.
A design log — one entry per decision, bug and reversal, recording what was measured and what turned out wrong. Not one per commit; one per thing a future reader would otherwise have to rediscover.
An onboarding document, so any new session — human or AI — starts with the same context instead of guessing at it.
A separate file listing the AI's own mistakes, each with the reasoning that produced it. It gets read before new work starts, so the same error isn't repeated in a new costume.
Two independent checkers, forbidden from sharing code, so one can never bless the other's error.
External audits by a different model, commissioned twice — deliberately hoping they'd find things. The second found 'n' real defects.
A controlled comparison against commercial alternatives, with a documented baseline and the test corpus kept, so claims rest on measurement rather than opinion.
Measured the test suite itself — coverage, then mutation testing — to find out what a passing build was actually worth. It was worth less than the number suggested.
Standing rules the AI cannot override: never modify an existing test without reporting it, synthetic test data only, documentation updated as part of the work rather than after it.
Verified every claim instead of accepting it. "Done" meant checked.
