harness engineering.

Deep Agents: open source-обвязка на LangGraph

Привет, на связи команда GigaChain! Мы занимаемся агентными системами и развиваем набор open source-решений для подключения агентов к GigaChat API.

продолжить чтение

Затащи меня в Harness. Часть 3: Принципы маршрутизации

Ии-ассистент перед выполнением запроса

продолжить чтение

Команда Claude Code постоянно что‑то удаляет. И модель после этого работает лучше

продолжить чтение

Инженерия вокруг агента: 10 идей AI Engineer

10 идей конференции AI Engineer о том, как меняется разработка, когда код пишут агенты.В начале 2026 года небольшая команда OpenAI рассказала о необычном эксперименте.Три инженера за пять месяцев создали внутренний продукт объёмом около миллиона строк кода и провели через репозиторий примерно 1500 pull request’ов. Продуктом пользовались сотни сотрудников. При этом люди не написали вручную ни одной строки: прикладной код, тесты, CI‑конфигурацию, документацию, observability и внутренние инструменты генерировал Codex.

продолжить чтение

Opsgenie ушёл, JSM не пришёл: как я собрал собственный incident management с AI

Первая работающая beta за две календарные недели по вечерам и один вывод: AI создаёт код, но продукт создаёт harness.

продолжить чтение

Harness кодинг‑агента: разобрал исходники Codex, OpenCode, Pi и свою собственную

В прошлой статье про промпт-кэш я сформулировал вещь, которая на самом деле важнее самого кэша: модель ничего не помнит, она stateless

продолжить чтение

Создание харнесса для код-агентов под enterprise-фреймворк на Java

Строим мосты между агентами и технологиямиВайб-кодинг, или AI-assisted development, отлично работает на уровне прототипа: агент получает текстовое ТЗ и быстро собирает первый рабочий вариант. Но в корпоративной разработке этого мало.

продолжить чтение

12 факторов хорошего агента

Почти все мы только учимся работать с агентами. Даже опытные команды иногда управляют агентами так, что те приносят больше вреда, чем пользы. HumanLayer сформулировал 12 принципов того, как делать и настраивать агентов правильно. Каждый пункт отвечает на вопрос, что работает хорошо, а что стабильно приводит к проблемам.1. Структурированный выводДо появления структурированного вывода от языковой модели нельзя было ожидать детерминированного результата: она возвращала произвольный текст. Подключить ее к реальной системе было крайне сложно.

продолжить чтение

Галлюцинации недели: SpaceX покупает Cursor за $60 млрд, GLM-5.2 догоняет Opus, а Midjourney просвечивает людей звуком

продолжить чтение

Промпты, RAG, LLM-тюнинг, Harness… Идём дальше?

В LLM-инженерии постепенно меняется объект оптимизации.Сначала подбирали промпты. Потом настраивали RAG. Параллельно тюнили модели под конкретные задачи и домены, подбирали грамматики, засовывали модель в цикл.

продолжить чтение

12