AI ინჟინერია N1. რა არის "Harness Engineering"?

რით განსხვავდება AI მოდელი აგენტისგან და რა არის Harness Engineering? AI ინჟინერიის მინიკურსის პირველ გაკვეთილში განვიხილავთ AI აგენტების მუშაობის საფუძვლებს: ინსტრუმენტების გამოძახებას (Tool Calling), მეხსიერებას, კონტექსტის მართვას, ახალი მონაცემების მოძიებას, შედეგების გადამოწმებასა და სამუშაო გარემოს. თაიმკოდები: 00:00 შესავალი — AI/Harness ინჟინერიის მინიკურსი 02:05 AI აგენტის 5 ძირითადი კომპონენტი 05:55 როგორ მუშაობს LLM: ტოკენები და ტექსტის გენერაცია 09:45 რატომ არ ნიშნავს ტექსტური პასუხი მოქმედების შესრულებას 13:05 Tool Calling — ინსტრუმენტის გამოძახება და შესრულების ციკლი 17:45 აგენტის მოქმედების ციკლი და უკუკავშირი 20:10 რა არის Harness და როგორ ეხმარება ის მოდელს 25:00 მოქმედებები: ინსტრუმენტები, ნებართვები და შესრულება 27:15 აგენტის მეხსიერება — რატომ „ახსოვს“ ჩატს საუბარი 30:05 კონტექსტის ფანჯარა და მისი შეზღუდვები 33:05 მუდმივი მეხსიერება და რელევანტური ინფორმაციის მოძიება 35:55 ახალი მონაცემები: ვებძიება და ცოდნის ბაზები 38:40 კონტექსტის მიწოდება და მოდელის გაწვრთნა — განსხვავება 40:10 პასუხების გადამოწმება და ტესტირება 41:15 კოდის რევიუ მეორე მოდელით და მისი შეზღუდვები 44:15 შეჯამების სიზუსტე და წყაროსთან შედარება 47:00 სამუშაო გარემო, რესურსები და იზოლაცია 50:20 კონტექსტის ინჟინერია და აგენტის სრული სამუშაო ციკლი 53:35 მაგალითი: CSV ანგარიში და ახალი სავალუტო კურსები 55:15 მოდელისა და Harness-ის პასუხისმგებლობები 57:10 შემდეგი გაკვეთილები და თვითშემოწმება