Agent Harness — секретное оружие ИИ

Настоящее секретное оружие ИИ — это не базовая модель, а agent harness. Сооснователь и CPO Gamma Джон Норонья определяет агента как цикл рассуждений, который планирует, действует и проверяет свою работу. Harness — это окружающая система: инструменты, среда, контекст и элементы управления для пользователя, которые позволяют агенту выполнять задачи.

Первые продукты Gamma опирались на созданную вручную последовательность разовых вызовов LLM. Это означало, что приходилось вручную связывать промпты для создания плана или одного слайда. Революция агентов, объясняет Норонья, заменяет этот хрупкий линейный подход циклом более высокого уровня, в котором LLM может:

• выбирать инструменты;
• проверять свою работу;
• пересматривать результаты в ходе серии выполненных вызовов.

Норонья оспаривает пренебрежительное отношение к «GPT-оберткам», которое подразумевает, что LLM выполняет 90% работы. Он утверждает, что окружающая продуктовая система, или harness, выполняет большую часть работы, превращая возможности модели в полезные результаты. Даже такие компании, как OpenAI и Anthropic, вкладывают значительные средства в разработку harness, что подчеркивает его критическую важность.

Один промпт теперь может запустить целую ИИ-фабрику. Рассмотрим типичный запрос в Gamma: пользователь вставляет разрозненные заметки или PDF-файл с просьбой сделать презентацию на 20 слайдов. Как только этот промпт поступает в систему, agent harness в Gamma разворачивает полноценную облачную agent sandbox — выделенную среду для работы ИИ.

Внутри этой «песочницы» агент сначала определяет недостающую информацию, задавая пользователю уточняющие вопросы (например, «это учебная презентация для школы?») и обращаясь к внешним коннекторам, таким как Notion или Slack, для получения контекста. Только эта начальная фаза может включать три или четыре разные модели, как дорогие, так и более дешевые, и генерирует UI для выбора пользователя.

Затем система составляет план презентации, что включает еще несколько вызовов LLM. После этого она выбирает визуальный шаблон из библиотеки, насчитывающей тысячи вариантов, используя vision models и поисковые эмбеддинги для поиска наилучшего соответствия, и адаптирует его под предпочтения пользователя (например, «я хочу красный или синий»). Прежде чем будет создан хотя бы один слайд, эта координация сбора информации, рендеринга UI и выбора шаблона может потребовать 30-40 вызовов LLM с использованием четырех или пяти разных моделей.

Наконец, по мере создания презентации, harness постоянно проверяет свою работу. Vision models анализируют созданные слайды на предмет распространенных проблем, таких как обрезанные изображения, плохой контраст, несоответствие или ошибки в интервалах. Если обнаружены проблемы, агент запускает автоматические исправления, обеспечивая отполированный и качественный результат перед выдачей. Этот quality loop критически важен для выпуска готового к использованию продукта.

Harness эффективен там, где универсальные агенты терпят неудачу. Сооснователь Gamma Джон Норонья выделяет два четких признака того, что кастомный harness необходим: работа требует субъективного суждения, а пользователям крайне важны детали готового результата. Универсальный агент может составить неплохую презентацию, но его результат редко соответствует дизайнерскому видению композиции или визуального качества.

Рассмотрим визуальную коммуникацию. В отличие от программирования, где агент оценивает, выполняется ли код или проходят ли тесты, творческий агент должен оценивать качество дизайна. Например, harness в Gamma предоставляет инструменты, которые позволяют агенту понимать художественные стили и творческие предпочтения пользователя, генерировать изображения, размещать их, а затем проверять их визуальное соответствие. Этот цикл обратной связи имеет решающее значение для таких продуктов, как Gamma - AI-powered Presentations, Documents & Webpages.

Представьте пример разработки личной игры. Стандартный агент может создать черновик игры, но специализированный harness может позволить людям, не умеющим программировать, постоянно формировать мир. Благодаря постоянной обратной связи агент может итеративно совершенствовать окружение, дизайн персонажей и элементы повествования, выходя за рамки первоначальной генерации к совместному, детальному созданию мира. Это итеративное уточнение — истинная сила хорошо спроектированного harness.

Основатели должны стремиться к получению явного преимущества. Три пути предлагают потенциальные выгоды: по-настоящему уникальное видение продукта, проприетарные данные для обучения специализированных инструментов или бизнес-модель, объединяющая ИИ с физическими услугами и реальным обменом. Эти подходы выходят за рамки простого использования большой языковой модели.

Специализированные или регулируемые сектора, такие как юридическая или медицинская работа, подчеркивают необходимость глубокого контекста предметной области, надежных интеграций и строгой проверки. Специализированный harness в этих областях должен не только понимать сложные протоколы, но и предоставлять проверяемые результаты. Такой уровень строгости превращает harness в нечто большее, чем просто функцию, но даже здесь один лишь harness не гарантирует непробиваемый ров.

Чтобы проверить возможность, спросите: что агент должен видеть, делать, проверять и спрашивать у пользователя? Почему универсальная модель с фиксированной цепочкой промптов не может достичь этого эффективно? Успех Gamma, например, обусловлен использованием harness, который понимает визуальный дизайн, предпочтения пользователя и итеративное уточнение — задачи, выходящие далеко за рамки простого промпта «текст в презентацию».

Настоящее секретное оружие — это не просто модель, а сложная, контекстно-зависимая среда, которая позволяет ей выполнять субъективную, детальную работу. Этот фокус на agent harness стимулирует следующую волну инноваций, предлагая основателям ощутимый способ создания долгосрочной ценности.

Что такое agent harness?

Agent harness — это набор инструментов, среда, инструкции и циклы обратной связи, которые позволяют ИИ-агенту выполнять работу, проверять результаты и улучшать их.

Чем agent harness отличается от цепочки промптов?

Цепочка промптов следует фиксированной последовательности вызовов модели. Harness предоставляет агенту инструменты и состояние, чтобы он мог выбирать действия, отслеживать прогресс и динамически вносить изменения.

Как Gamma использует agent harness?

Gamma координирует модели, контекст пользователя, шаблоны, генерацию изображений, инструменты верстки и проверки визуального качества для создания и уточнения презентаций и другого визуального контента.

Что делает возможность хорошей для вертикального agent harness?

Ищите работу, которая требует инструментов для конкретной области, суждений, значимого ввода данных пользователем или проверки, которую агенты общего назначения не могут надежно обеспечить.