Что такое «обвязка» агента? Как работают AI-агенты для написания кода

Та же модель ИИ, тот же бенчмарк: один агент финишировал за пределами топ-30, другой вошел в топ-5. Единственное изменение коснулось кода вокруг модели: «подготовительного механизма» (Harness). В 11 минутах анимированных диаграмм: что такое «подготовительный механизм» агента, почему он важен, пять частей каждого такого механизма, как выполняется одна задача шаг за шагом, когда вам нужен агент вместо рабочего процесса и как создать свой собственный примерно за 20 строк кода на Python. ⏱️ Разделы 0:00 Введение 0:36 Модель + подготовительный механизм: зачем «подготовительный механизм»? 1:10 Почему подготовительный механизм важен 2:05 Пять частей подготовительного механизма 3:03 Одна задача, шаг за шагом 4:08 Проблема контекста 4:52 Длительные задачи: работа посменно (цикл Ральфа) 5:44 Кто управляет процессом? Внедрение разрешений и подсказок 6:31 Когда вам нужен агент (в отличие от рабочего процесса) 7:20 Используйте SDK или создайте свой собственный 8:02 Создание вспомогательного инструмента примерно за 20 строк кода на Python 9:10 Улучшение: разработка вспомогательных инструментов 9:55 Итоги + ваша задача 🧠 Ключевые выводы • Агент — это модель плюс вспомогательный инструмент: цикл, инструменты, контекст, память и управление вокруг него. • Изменение только вспомогательного инструмента повысило эффективность агента LangChain с 52,8% до 66,5% на Terminal-Bench 2.0. • Каждый шаг включает подготовку, запрос, проверку, запуск, возврат, пока модель не ответит без вызовов инструментов. • Сохраняйте контекст лаконичным (компактизация, навыки по запросу, субагенты) и записывайте прогресс в файлы. • Модель предлагает. Вспомогательный инструмент принимает решение: разрешения, подтверждения, песочницы, ограничения. • Если вы можете заранее нарисовать блок-схему, напишите рабочий процесс. В противном случае используйте инструмент для создания агентов. 🔗 Ссылки LangChain, Улучшение работы глубоких агентов с помощью разработки инструментов: https://www.langchain.com/blog/improv... Terminal-Bench: https://www.tbench.ai/ Anthropic, Эффективные инструменты для длительно работающих агентов: https://www.anthropic.com/engineering... Anthropic, Эффективная разработка контекста для агентов ИИ: https://www.anthropic.com/engineering... Anthropic, Создание эффективных агентов: https://www.anthropic.com/engineering... Claude Agent SDK: https://code.claude.com/docs/en/agent... OpenAI Codex SDK: https://developers.openai.com/codex/sdk GitHub Copilot SDK: https://github.com/github/copilot-sdk LangChain Deep Agents: https://github.com/langchain-ai/deepa... AGENTS.md: https://agents.md Model Context Protocol: https://modelcontextprotocol.io Петля Ральфа (Джеффри Хантли): https://ghuntley.com/ralph/ 💬 Ваше задание: возьмите 20-строчный цикл из главы 11, дайте ему один инструмент, который вы действительно используете, и посмотрите, как он работает. Затем скажите, какой инструмент вы используете каждый день, и что бы вы в нем изменили. 👍 Если это помогло, поставьте лайк и подпишитесь, чтобы получать больше наглядных объяснений того, как работают системы ИИ. #agenticai #agents #harnessengineering #ai