코딩 에이전트가 기존 소프트웨어로 돌아올 때, 이전의 엔지니어링 작업에서 얻은 증거(테스트, 타입 체크, 증명, 정적 분석, 트레이스)를 상속받습니다. 이 모든 것을 다시 로드하는 것은 낭비이지만, 변경에 의존하는 조각을 누락하면 필요한 속성이 지원되지 않을 수 있습니다. 변경이 보존해야 하는 속성, 즉 그 의무(obligations)가 주어졌을 때, 사용 가능한 증거 중 어떤 최소 비용의 부분집합이 이를 재확립하는지 질문하고, 우리는 그러한 부분집합을 태스크 조건부 보증 엔벨로프(task-conditioned assurance envelope)라고 부릅니다. 증거와 그것을 결합하는 규칙들은 타입화된 추론 그래프(typed inference graph)를 형성합니다. 의무는 선택된 증거로부터의 전방 연결(forward chaining)이 도달할 때 충족되며, 우리는 최적화기(optimizer)를 신뢰하기보다는 그 폐쇄(closure)에 의해 모든 선택을 검증합니다. 평가에서 사용되는 소프트웨어 기반 그래프들은 이전 AI 코딩 에이전트 실행의 보존된 결과물에서 가져왔습니다. 우리는 이러한 아티팩트를 고정하고, 나중 작업을 위해 어떤 축적된 증거를 복원해야 하는지 질문했습니다. Rust, IronBlocks, 그리고 Pong 결과로 나온 작은 그래프들은 최소 엔벨로프가 태스크에 의존하며, 현재 증거로는 필요한 속성을 재확립할 수 없을 때 존재하지 않을 수 있고, 일부 속성은 여러 조각의 증거가 함께 필요하며, 요구 사항을 확장하는 것이 증거를 대체하기보다는 추가한다는 것을 보여줍니다. 249개 인스턴스로 구성된 사전에 지정된 합성 벤치마크는 계산 능력을 특징짓습니다: '여러 조각이 함께'라는 구조를 무시하는 기준선은 이를 재도출하는 데 필연적으로 실패했으며; 모든 완료된 정확한 교차 확인(cross-check)은 CP-SAT 최적화기와 일치했습니다; 그리고 중앙값 해결 시간은 500개 증거 그래프에서 20ms 미만을 유지했지만, 목표당 많은 대체 파생 경로를 가진 그래프는 훨씬 더 작은 크기에서 시간 초과가 발생하여, 어려움을 유발하는 것은 원시적인 크기가 아니라 구조임이 밝혀졌습니다. 본 기여는 소프트웨어 변경을 위한 보증 컨텍스트를 선택하기 위해 확립된 최적화 방법을 경계적으로 적용한 것입니다. 의무를 발견하고 다운스트림 에이전트의 이점을 얻는 것은 열려 있는 문제입니다.