home.social

#харнес — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #харнес, aggregated by home.social.

fetched live
  1. Подарок брату до $70 к пятнице — как я собрал помощника магазина на локальной 9B-модели

    Покупатель пишет в чат магазина «подарок брату, ему 30, любит настолки, до $70». Помощник спрашивает, когда у брата день рождения. Покупатель отвечает, что в пятницу. До пятницы 5 рабочих дней, а по правилам магазина в этом случае на заказ дается скидка 20%. Поэтому в $70 влезли три подарка на $83.99, со скидкой вышло $67.19. Отвечает покупателю qwen 9B, а сумму, скидку и корзину считает обычный код. Исходники с прогонами лежат в опенсорсе.

    habr.com/ru/articles/1088266/

    #LLMагент #ИИассистент #интернетмагазин #подбор_подарков #корзина #локальная_LLM #Qwen #LM_Studio #structured_output #харнес

  2. Вам не нужен ещё один Claude Code: зачем Pi оставляет сборку агента пользователю

    Когда мы обсуждаем агентов для программирования, разговор быстро сводится к моделям. Какая модель Claude лучше пишет код, а какая версия GPT увереннее чинит ошибки, как Gemini работает с большим репозиторием. Но между моделью и рабочим деревом Git находится ещё один слой, от которого зависит, что агент вообще сможет сделать. Этот слой — программная обвязка вокруг модели, которую принято называть harness . Он организует цикл работы агента: передаёт запрос модели, выполняет вызванные ею инструменты и возвращает результаты для следующего шага. Здесь же собирается контекст, применяются правки и сохраняются сессии. Модель может предложить правильное изменение, но не суметь применить его через неудобный инструмент редактирования. Может найти проблему, но потерять нужную информацию после сжатия контекста. Или потратить несколько ходов на задачу, которую подходящий инструмент выполнил бы за один вызов. Интересный проект, который изменил традиционное устройство моделей — Pi . Это терминальный агент, который строит свой harness с нуля, а не надстраивается над готовым. Его автор, Mario Zechner, сознательно ограничил набор встроенных механизмов работы. Вместо попытки заранее предусмотреть все сценарии Pi предлагает основной инструментарий, который можно приспособить под себя. Oh My Pi вырос из этой основы, но выбрал другое направление: собрать больше решений в одном готовом агенте. На примере этой пары удобно разобрать вопрос, который возникает почти у любого разработчика инструментария: сколько решений оставить пользователю, а сколько должен принять автор продукта?

    habr.com/ru/companies/first/ar

    #codex #claudecode #llm #agent #agents #агент #кодекс #харнес #harness #harness_engineering

  3. Эволюция ИИ харнеса

    За последние несколько лет обвязка вокруг LLM-модели выросла из чатика и файла с правилами в редакторе до самостоятельного технологического слоя — харнеса — со своими протоколами, стандартами и фундаментом, а привязка клиента у вендоров сместилась с уровня конкретной LLM-модели на уровень этого харнеса. Определения: 1. Модель — LLM, нейросеть, генерирующая текст по запросу. Сама по себе stateless (не помнит предыдущие вызовы), не имеет доступа к внешнему миру и не способна к действию — только к порождению следующего токена или в итоге вероятного набора фраз по входному контексту. 2. Харнес — программно-инфраструктурная обвязка вокруг модели, превращающая её из генератора текста в систему, которая может производить "осмысленные" действия. Харнес обеспечивает модель функционалом: инструменты (доступ к внешнему миру), контекст-менеджмент (память, сессии, компактизация), правила/инструкции (поведение), разрешения и права (безопасность), опционально усиление — хуки, скилы, оркестрацию. Харнес — «тело», модель — «семантический мозг». 3. ИИ Агент — это модель, помещённая в харнес и потому способная действовать, то есть воспринимать состояние среды через инструменты, сохранять контекст между шагами, планировать и выполнять многошаговые задачи. Агент не компонент, а результат сочетания модели и харнеса. Далее — как примерно происходило развитие идей и наполнение харнеса и к чему пришло.

    habr.com/ru/articles/1085652/

    #ИИ #ииагенты #харнес #история_создания

  4. Агент поддержки первой линии: прототип за вечер, харнес для прода, цена диалога

    Бизнес хочет автоматизировать первую линию поддержки. Оператора надо нанять, обучить, поставить в график, проверять и каждый месяц платить зарплату. Агент на LLM выглядит очевидной заменой, и прототип, который отвечает на вопрос «где мой заказ», можно собрать за вечер. Ниже разбор моего харнеса для агента поддержки и отдельно опенсорс-агент, тот самый прототип за вечер.

    habr.com/ru/articles/1084926/

    #LLMагент #агент_поддержки #харнес #агентский_цикл #tool_calling #structured_output #эскалация #цена_диалога #Qwen #NestJS

  5. [Перевод] Протез для силы воли или харнесс для думскроллинга

    Раньше я не знал, сколько времени провожу в ленте Х, и это меня сильно напрягало. На телефоне есть удобные приложения для контроля экранного времени в любых приложениях, но десктоп это совсем другой мир. Здесь всё приходится собирать самому, по частям, и работает оно хуже. Не то чтобы я не пробовал разные расширения для контроля думскроллинга в браузере. Но у всех был один дефект: запрет легко обойти. Причём величина усилия на обход заметно ниже буфера лени. Всё настолько просто, что лень не успевает сказать своё «да ладно, забей». На телефоне этот порог тоже невысокий, но там можно заморочиться и поставить родительский контроль или сторонние приложения, которые создадут больше трения. В десктопе с этим сложнее. Но когда я писал статью про харнесс , я подумал: вот бы собрать такой же структурный подход и для себя самого. Чтобы нарушения не возникали не потому, что у тебя такое соглашение, а потому, что сам путь к обходу закрыт. В той статье я разбирал Atomic Habits и его подходы к закреплению полезных привычек. Но там же есть и методы против вредных: как помогает даже самое простое «убрать с глаз долой». И самый полезный инструмент в этом наша лень. Так я решил применить эти методы и собрать свой небольшой харнесс по контролю думскроллинга, обходить который обычно просто лень. Этим софтом стал Curfew, расширение для браузера, которое контролирует и лимитирует дневные бюджеты на «вредные» сайты.

    habr.com/ru/articles/1084084/

    #расширения_для_браузера #хобби_проект #думскролинг #харнес #привычки_программиста

  6. Не трогая веса модели: как мы построили исследовательского агента Алисы AI и в разы сократили потребление GPU

    Меня зовут Прохор, я лид команды агента «Исследовать» — это режим глубокого исследования в чате с Алисой AI. Напомню, про что вообще речь, если никогда не пользовались Deep Research: это специальный режим работы, который строит уникальный план решения задачи пользователя, делает сотни поисков по вашему запросу, умеет ходить на сайты (даже с динамическим JavaScript‑контентом), писать и выполнять Python‑код (для сложных расчётов), работать со скачанными файлами и так далее. Всё это для того, чтобы дать лучший ответ на ваши сложные запросы, например: «Спланируй мне путешествие в Дагестан на две недели на машине с детьми». За год агент прошёл путь от первого прототипа до продакшена — вместе с ним менялись качество ответов, скорость работы и потребление GPU. За продуктовую часть отвечал Руслан Илиев, продакт менеджер агента: он сформулировал продуктовые цели, определил набор инструментов и валидационный набор запросов, а затем вёл запуск от закрытого вейтлиста до 100% продакшена. Как мы к этому пришли — через выброшенный прототип, десятки слоёв обвязки и пару болезненных уроков, — расскажу по порядку. Добро пожаловать под кат!

    habr.com/ru/companies/yandex/a

    #Харнес #скаффолдинг #deepresearch #алиса_ai #агенты

  7. [Перевод] Модель это коммодити. Ров это харнесс

    Недавно попалась статья Eyad Khrais (@eyad_khrais) про harness engineering. Хорошее объяснение. Модель это мозг агента. Харнесс это тело. Мозг вызываешь через API. Тело придётся строить самому. Всё так. Но «тело» это ещё не вся картина. Само по себе тело ничего не делает. Ценность в инструментах, которыми оно владеет. Это руки, которые берут нужный инструмент и делают работу правильно. За последний год я прочувствовал это на своём проекте. И вывод у меня жёстче, чем «постройте телу руки».

    habr.com/ru/articles/1064286/

    #харнес #cli #agents #models

Share on Mastodon

Enter the server where you have an account.