Harness - новое слово, проникающее в нашу жизнь

В переводе с английского это "упряжка". В ИИ среде харнесс - это "упряжка" ИИ-агентов, которыми управляет возничий - человек оператор ИИ или агент-оркестратор (которым управляет человек-оператор).

При работе над несложными задачами "в одного" обычно хватает одного агента, который последовательно, шаг за шагом выполняет работу. Кто-то запускает суб-агентов. Тогда основной агент поручает часть работы им и получает результаты. Обычно это что-то несложное, типа поиска по кодовой базе. На моей практике использование именно субагентов нередко работало даже медленнее, чем одним основным агентом. Основной агент мог сообщить что-то типа:

- Субагент всё ещё ищет, но я уже сам посмотрел и мне всё понятно. Но всё равно подожду его результатов....

<...>

- Да, его результаты подтвердили то, что я сам нашёл.

Потом в справке Антропик по Claude Code (хотя я им не пользуюсь, а пользуюсь Codex), я увидел, что работа с субагентами более затратна по токенам. В справке по Codex вроде бы такого не было, но по ощущениям затрат токенов было больше. Насколько я понимаю принципы работы - со своими запросами мы сначала попадаем в кэш результатов модели. И если там уже есть готовый ответ или почти готовый, то происходит существенная экономия и собственно размышлений не производится. Агенту отдаётся уже готовый результат. Если не попали - значит модель размышляет и тратит токены. У субагентов какие-то свои, особенные правила кэширования и на длительных задачах они реже попадают в кэш ответов LLM. Соответственно по ним расход токенов больше.

Для экономии токенов лучше запускать отдельные, но полноценные сессии агентов-воркеров. И тут на помощь приходят харнессы - программное обеспечение для организации работы ИИ агентов и человека.

Агентам важно фиксировать свою работу где-нибудь (файлы (артефакты), базы, всякие логи) так, чтобы другой агент мог прочесть переданные ему результаты работы (handoff) и дальше что-то с ними делать. Вследствие этого возникают полноценные сложные системы по управлению и оркестрации, фиксации этапов работы, критериев приёмки, инструкций для агентов-проверяющих и т.д.

Их сейчас очень много, все они примерно об одном и том же, только с акцентами на разных особенностях процессов работы. Вот совсем неполный список:

1. Process Forge. Формализованные ИИ-процессы, знания, исполнение - от вашего покорного слуги

2. AI Factory. Среда разработки, навыки и процессы

3. GSD Core. Процессы разработки, контекст, субагенты

4. Omnigraph. Типизированный граф знаний и память агентов

5. Hermes Agent. Автономный агент с памятью и навыками

6. OpenClaw. Персональный агент, шлюз, интеграции

7. Goose. Агентский харнес, инструменты, субагенты

8. OpenHands. Исполнение программных задач агентами

9. OpenCode. Агентская среда программирования

10. Letta. Долговременная память и состояние агентов

11. LangGraph. Графы исполнения и управление состоянием агентов

12. AutoGen. Фреймворк многоагентных приложений

13. LibreChat. Многопользовательская ИИ-платформа, агенты

14. Open WebUI. Веб-интерфейс моделей, знания, расширения

15. Temporal. Надёжное исполнение длительных процессов

16. Kestra. Декларативные процессы, автоматизация, UI

17. Windmill. Скрипты, процессы, расписания, автоматизация

18. n8n. Визуальный конструктор автоматизации

19. Hatchet. Долговечные задачи, очереди, исполнение

20. Paperclip. Управление организациями ИИ-агентов

21. Biro. ИИ-компании, роли, задачи, бюджеты

22. Evermore. Автономные ИИ-отделы и команды

Самое интересное, что далеко не везде и не всегда эта упряжка нужна. Если нет работы на потоке, сложного релизного цикла, сложных проверок, автоматических тестов, поиска по истории принятия решений - харнесс вам не нужен. Достаточно описать нужные действия в одном или нескольких SKILL.md, а проектные особенности хранить в проектном файле AGENTS.md.

#ai #ии

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: