Μηχανική harness: τι είναι και πώς λειτουργεί

Τι σημαίνει η μηχανική harness

Η μηχανική harness (harness engineering) είναι η εργασία κατασκευής του harness ενός εργαλείου τεχνητής νοημοσύνης, δηλαδή κάθε μέρους του εργαλείου εκτός από το μοντέλο τεχνητής νοημοσύνης.

Το μοντέλο είναι το σύστημα τεχνητής νοημοσύνης, το οποίο έχει εκπαιδευτεί σε μεγάλους όγκους κειμένου ώστε να μπορεί να διαβάζει και να γράφει γλώσσα. Παραδείγματα μοντέλων τεχνητής νοημοσύνης είναι το GPT της OpenAI, το Claude της Anthropic και το Gemini της Google.

Από μόνο του, ένα μοντέλο μπορεί μόνο να δέχεται κείμενο (και μερικές φορές εικόνες ή ήχο) και να απαντά με κείμενο. Δεν μπορεί να θυμάται προηγούμενες συνομιλίες, να αναζητά επίκαιρες πληροφορίες ή να εκτελεί κώδικα. Γι' αυτό χρειάζεται ένα harness που διαχειρίζεται ποιες πληροφορίες λαμβάνει το μοντέλο, ποιες εφαρμογές μπορεί να χρησιμοποιεί, τι του επιτρέπεται να κάνει και πώς ελέγχεται η δουλειά του.

Ακόμη και ένας απλός βοηθός συνομιλίας χρειάζεται harness. Το μοντέλο ξεχνά κάθε ανταλλαγή μόλις απαντήσει, οπότε το harness κρατά αρχείο της συνομιλίας. Αν κάποιος ρωτήσει για το Παρίσι και στη συνέχεια συμπληρώσει «πόσος είναι ο πληθυσμός του;», το harness στέλνει και τις δύο ερωτήσεις μαζί στο μοντέλο. Έτσι το μοντέλο καταλαβαίνει ότι το «του» αναφέρεται στο Παρίσι.

Η μηχανική harness είναι ένας από τους λόγους για τους οποίους δύο εργαλεία που βασίζονται στο ίδιο μοντέλο μπορούν να αποδίδουν τόσο διαφορετικά. Για παράδειγμα, σε μια ανεξάρτητη δοκιμή, οι ερευνητές κράτησαν το ίδιο μοντέλο (GPT5) και άλλαξαν μόνο το harness, και η βαθμολογία του μοντέλου σε ένα τεστ προγραμματισμού μεταβλήθηκε έως και 11%.

Οι εταιρείες που αναπτύσσουν μοντέλα τεχνητής νοημοσύνης, όπως η Anthropic και η OpenAI, δημιουργούν harness για τα δικά τους προϊόντα τεχνητής νοημοσύνης, όπως το Claude Code και το Codex. Παράλληλα, οι εταιρείες που αναπτύσσουν προϊόντα τεχνητής νοημοσύνης σχεδιάζουν harness για τα υποκείμενα μοντέλα που επιλέγουν. Μέρος του harness διαμορφώνουν και οι ίδιοι οι χρήστες των εργαλείων τεχνητής νοημοσύνης. Πολλά εργαλεία τούς επιτρέπουν να προσθέτουν μόνιμες οδηγίες, να συνδέουν εφαρμογές και να επιλέγουν ποιες ενέργειες χρειάζονται την έγκρισή τους πριν προχωρήσει το εργαλείο.

Μηχανική harness για πράκτορες τεχνητής νοημοσύνης

Κάθε εργαλείο τεχνητής νοημοσύνης έχει ένα harness, αλλά η μηχανική harness αποκτά ιδιαίτερη σημασία όταν δουλεύουμε με πράκτορες τεχνητής νοημοσύνης. Οι πράκτορες χειρίζονται αυτόνομα εργασίες πολλών βημάτων, όπως η έρευνα για ανταγωνιστές και η καταχώριση των ευρημάτων σε ένα υπολογιστικό φύλλο, και το harness εκτελεί κάθε βήμα. Έτσι, αν το harness κάνει ένα λάθος, όπως να αντλήσει τις περσινές τιμές, αυτό θα επηρεάσει και τα υπόλοιπα βήματα.

Τα περισσότερα harness πρακτόρων αποτελούνται από έξι βασικά μέρη:

1. Ο βρόχος του πράκτορα

Μεγέθυνση

Ο βρόχος του πράκτορα είναι κώδικας μέσα στο harness που κρατά μια εργασία σε εξέλιξη, ένα βήμα τη φορά.

Το μοντέλο τεχνητής νοημοσύνης αποφασίζει το επόμενο βήμα που χρειάζεται για την ολοκλήρωση της εργασίας και γράφει μια κλήση εργαλείου: ένα σύντομο αίτημα που κατονομάζει ένα εργαλείο του harness, όπως η αναζήτηση στον ιστό, και τι πρέπει να κάνει το εργαλείο.

Το harness εντοπίζει το αίτημα, εκτελεί την αναζήτηση και προσθέτει τα αποτελέσματα σε όσα μπορεί να δει το μοντέλο. Το μοντέλο τα διαβάζει και αποφασίζει τι θα κάνει στη συνέχεια.

2. Διαχείριση πλαισίου

Ένα μοντέλο αποκτά γενικές γνώσεις κατά την εκπαίδευσή του, όμως αυτές οι γνώσεις σταματούν στην ημερομηνία που ολοκληρώθηκε η εκπαίδευση. Δεν περιλαμβάνουν τίποτα συγκεκριμένο για την εκάστοτε εργασία, όπως τα αρχεία μιας εταιρείας, τις σημερινές ειδήσεις ή όσα ειπώθηκαν νωρίτερα στη συνομιλία.

Για όλα αυτά, το μοντέλο εξαρτάται από το παράθυρο πλαισίου του: το κείμενο που του δίνει το harness πριν από κάθε απάντηση, όπως οι οδηγίες του, το ερώτημα, η συνομιλία μέχρι εκείνη τη στιγμή και τα αποτελέσματα αναζήτησης.

Το παράθυρο χωρά μόνο μια συγκεκριμένη ποσότητα κειμένου. Και ακόμη και πριν γεμίσει το παράθυρο, τα μοντέλα μερικές φορές παραβλέπουν πληροφορίες που είναι θαμμένες στη μέση μεγάλων εισόδων.

Γι' αυτό το harness αναλαμβάνει τη διαχείριση του πλαισίου και επιλέγει μόνο τις πληροφορίες που χρειάζεται κάθε βήμα. Για παράδειγμα, αν η εργασία είναι η σύγκριση των τιμών πέντε ανταγωνιστών, το harness μπορεί να συμπεριλάβει τη σελίδα τιμολόγησης κάθε εταιρείας αντί για ολόκληρο τον ιστότοπό της. Σε μεγάλες εργασίες, το harness μπορεί επίσης να αντικαταστήσει το λεπτομερές αρχείο των προηγούμενων βημάτων με μια σύντομη σύνοψη, ώστε το μοντέλο να γνωρίζει τι έχει κάνει χωρίς αυτό το ιστορικό να γεμίζει το παράθυρο.

3. Εργαλεία

Τα εργαλεία είναι κώδικας που εκτελεί τις ενέργειες που ζητά το μοντέλο. Κάθε εργαλείο χειρίζεται ένα είδος ενέργειας, όπως η αναζήτηση στον ιστό, το άνοιγμα και η ανάγνωση μιας ιστοσελίδας, η εκτέλεση κώδικα ή η επεξεργασία ενός αρχείου. Όταν το μοντέλο γράφει μια κλήση εργαλείου, το harness τη μεταβιβάζει στο κατάλληλο εργαλείο και επιστρέφει το αποτέλεσμα.

Πολλά harness περιλαμβάνουν επίσης συνδέσμους, δηλαδή εργαλεία που συνδέουν τον πράκτορα με μια συγκεκριμένη εφαρμογή, όπως το email, ένα ημερολόγιο ή έναν κοινόχρηστο αποθηκευτικό χώρο, χρησιμοποιώντας πρόσβαση που έχει παραχωρήσει ένας χρήστης. Με έναν σύνδεσμο ημερολογίου, για παράδειγμα, ένας πράκτορας μπορεί να ελέγξει τη διαθεσιμότητα κάποιου πριν προτείνει ώρα για μια συνάντηση.

4. Μνήμη

Η μνήμη είναι αποθηκευμένες πληροφορίες που μεταφέρονται από τη μία συνεδρία στην επόμενη. Το harness αποθηκεύει σύντομες σημειώσεις κατά τη διάρκεια μιας συνεδρίας, όπως τις προτιμήσεις ενός ατόμου ή την πρόοδο ενός έργου. Στην αρχή της επόμενης συνεδρίας, το harness προσθέτει αυτές τις σημειώσεις στο παράθυρο πλαισίου, ώστε το μοντέλο να τις διαβάσει πριν διαβάσει το νέο ερώτημα. Έτσι, για παράδειγμα, ένας πράκτορας μπορεί να συνεχίσει μια εβδομαδιαία αναφορά από εκεί που την είχε αφήσει, αντί να ξεκινά ξανά από την αρχή.

5. Δικαιώματα

Τα δικαιώματα είναι κανόνες που ορίζουν σε τι μπορεί να έχει πρόσβαση και τι μπορεί να κάνει ένας πράκτορας. Οι κανόνες πρόσβασης ορίζουν ποια αρχεία, εφαρμογές ή ιστότοπους μπορεί να ανοίξει. Οι κανόνες έγκρισης ορίζουν ποιες ενέργειες πρέπει να περιμένουν την έγκριση ενός ατόμου, όπως η αποστολή ενός μηνύματος ή η πραγματοποίηση μιας αγοράς.

Η εταιρεία που κατασκευάζει τον πράκτορα ορίζει ορισμένους από αυτούς τους κανόνες στον κώδικα του harness. Στη συνέχεια, οι διαχειριστές ενός οργανισμού μπορούν να προσθέσουν τους δικούς τους, και οι μεμονωμένοι χρήστες μπορούν να επιλέξουν, για παράδειγμα, ποιους λογαριασμούς θα συνδέσουν.

6. Επαλήθευση

Η επαλήθευση είναι κώδικας που ελέγχει τη δουλειά του πράκτορα πριν αυτή φτάσει σε έναν άνθρωπο. Χρησιμοποιεί δύο είδη ελέγχων:

• Σταθερούς κανόνες, δηλαδή συγκεκριμένα τεστ που περνούν ή αποτυγχάνουν με τον ίδιο τρόπο κάθε φορά, όπως η επιβεβαίωση ότι κάθε αριθμός σε μια αναφορά εμφανίζεται σε κάποιο έγγραφο που ο πράκτορας διάβασε πράγματι.
• Αξιολόγηση από ένα άλλο μοντέλο τεχνητής νοημοσύνης, το οποίο διαβάζει τη δουλειά και την κρίνει. Μπορεί να εντοπίσει προβλήματα που είναι δύσκολο να διατυπωθούν ως κανόνας, όπως μια σύνοψη που παραλείπει ένα σημαντικό σημείο.

Κανένας μεμονωμένος έλεγχος δεν τα εντοπίζει όλα, γι' αυτό τα harness συνήθως συνδυάζουν και τα δύο είδη. Όταν ένας έλεγχος εντοπίσει πρόβλημα, το harness προσθέτει μια περιγραφή του στο παράθυρο πλαισίου του μοντέλου και στέλνει την εργασία πίσω στον βρόχο του πράκτορα. Το μοντέλο διορθώνει το πρόβλημα και προσπαθεί ξανά, οπότε πολλά λάθη διορθώνονται πριν ο χρήστης δει το αποτέλεσμα.

Παραδείγματα μηχανικής harness

Προετοιμασία για συνάντηση με πελάτη

Εργασία: Ένας υπεύθυνος λογαριασμού ζητά από έναν πράκτορα να ετοιμάσει μια ενημέρωση για την αυριανή συνάντηση με έναν πελάτη, που να καλύπτει τα ανοιχτά ζητήματα και ένα προσχέδιο ατζέντας.

Τι κάνει το harness:

• Μέσω ενός συνδέσμου email, ο πράκτορας αναζητά στα εισερχόμενα του υπευθύνου μηνύματα που έχει ανταλλάξει με τον πελάτη.
• Τα δικαιώματα επιτρέπουν στον πράκτορα να διαβάζει email, αλλά όχι να στέλνει.
• Η διαχείριση πλαισίου δίνει στο μοντέλο μόνο τα μηνύματα των τελευταίων τριών μηνών με τον συγκεκριμένο πελάτη, όχι ολόκληρα τα εισερχόμενα.
• Ο βρόχος του πράκτορα εκτελεί αρκετούς γύρους αναζήτησης και ανάγνωσης, και το μοντέλο ομαδοποιεί όσα βρίσκει σε ανοιχτά ζητήματα.
• Στη συνέχεια, η επαλήθευση ελέγχει ότι κάθε ζήτημα της ενημέρωσης παραπέμπει σε ένα πραγματικό email.

Πιθανό αποτέλεσμα: Ο υπεύθυνος λαμβάνει μια ενημέρωση μίας σελίδας, στην οποία κάθε σημείο μπορεί να αναχθεί στο email από το οποίο προέρχεται.

Ενημέρωση μιας μηνιαίας αναφοράς πωλήσεων

Εργασία: Ένας επικεφαλής λειτουργιών ζητά από έναν πράκτορα να ενημερώσει τη μηνιαία αναφορά πωλήσεων με τα στοιχεία αυτού του μήνα.

Τι κάνει το harness:

• Η μνήμη φορτώνει σημειώσεις από τη συνεδρία του προηγούμενου μήνα, όπως τη μορφή της αναφοράς και το αίτημα του επικεφαλής να στρογγυλοποιούνται τα ποσά στην πλησιέστερη χιλιάδα.
• Ένα εργαλείο αρχείων ανοίγει το υπολογιστικό φύλλο πωλήσεων στον κοινόχρηστο αποθηκευτικό χώρο της ομάδας.
• Τα δικαιώματα επιτρέπουν στον πράκτορα να επεξεργάζεται το προσχέδιο της αναφοράς αλλά όχι το αρχικό υπολογιστικό φύλλο, ώστε να μην μπορούν να αλλάξουν κατά λάθος τα αρχικά στοιχεία.
• Η επαλήθευση ελέγχει ότι τα σύνολα στην αναφορά συμφωνούν με το υπολογιστικό φύλλο.

Πιθανό αποτέλεσμα: Η αναφορά παραδίδεται στην ίδια μορφή με εκείνη του προηγούμενου μήνα, χωρίς ο χρήστης να χρειάζεται να την εξηγήσει ξανά.

Ταξινόμηση κοινόχρηστων εισερχομένων

Εργασία: Μια ομάδα υποστήριξης ζητά από έναν πράκτορα να ταξινομήσει ανά θέμα τα αιτήματα που έφτασαν το πρωί και να συντάξει προσχέδια απαντήσεων για τα πιο συνηθισμένα.

Τι κάνει το harness:

• Ο βρόχος του πράκτορα επεξεργάζεται τα εισερχόμενα ένα μήνυμα τη φορά.
• Για καθένα από αυτά, το μοντέλο επιλέγει μια ετικέτα θέματος και το harness την εφαρμόζει μέσω του συνδέσμου email.
• Στην αρχή της εργασίας, το harness προσθέτει στο παράθυρο πλαισίου τα εγκεκριμένα πρότυπα απαντήσεων της ομάδας ως οδηγούς, ώστε το μοντέλο να βασίζει κάθε προσχέδιο σε ένα πρότυπο.
• Ένας κανόνας έγκρισης κρατά κάθε απάντηση ως προσχέδιο μέχρι κάποιο μέλος της ομάδας να την ελέγξει και να τη στείλει.

Πιθανό αποτέλεσμα: Η ομάδα ξεκινά τη μέρα με τα αιτήματα ήδη ταξινομημένα και τις απαντήσεις να περιμένουν έλεγχο.

Διόρθωση σφάλματος σε έναν ιστότοπο

Εργασία: Ένας προγραμματιστής ζητά από έναν πράκτορα προγραμματισμού να διορθώσει ένα σφάλμα που εμποδίζει τη λειτουργία ενός κουμπιού ολοκλήρωσης αγοράς.

Τι κάνει το harness:

• Ο πράκτορας εργάζεται σε ένα sandbox, ένα απομονωμένο αντίγραφο του κώδικα όπου οι αλλαγές του δεν μπορούν να επηρεάσουν τον ζωντανό ιστότοπο.
• Ένα εργαλείο κώδικα επιτρέπει στο μοντέλο να διαβάζει και να επεξεργάζεται αρχεία.
• Μετά από κάθε αλλαγή, η επαλήθευση εκτελεί τα αυτοματοποιημένα τεστ του έργου.
• Τυχόν αποτυχίες επιστρέφουν στο μοντέλο ως νέες πληροφορίες.

Πιθανό αποτέλεσμα: Ο πράκτορας συνεχίζει να προσαρμόζει τη διόρθωσή του μέχρι να περάσουν τα τεστ. Στη συνέχεια, ο προγραμματιστής ελέγχει την αλλαγή πριν τεθεί σε λειτουργία.

Μηχανική harness έναντι μηχανικής προτροπών και μηχανικής πλαισίου

Η μηχανική προτροπών (prompt engineering) είναι η εργασία δημιουργίας και βελτιστοποίησης ενός μεμονωμένου ερωτήματος. Η μηχανική πλαισίου (context engineering) είναι η εργασία διαχείρισης όλων όσων βλέπει το μοντέλο. Η μηχανική harness είναι η διαδικασία σχεδιασμού και βελτίωσης ολόκληρου του συστήματος μέσα στο οποίο λειτουργεί το μοντέλο.

Πώς μπορούν οι χρήστες να επηρεάσουν ένα harness τεχνητής νοημοσύνης

Το μεγαλύτερο μέρος ενός harness πράκτορα προέρχεται από την εταιρεία που κατασκευάζει τον πράκτορα, αλλά πολλά προϊόντα τεχνητής νοημοσύνης επιτρέπουν στους χρήστες να προσαρμόζουν ένα μέρος του μέσω ρυθμίσεων όπως οι προσαρμοσμένες οδηγίες, οι συνδεδεμένες εφαρμογές και οι εγκρίσεις.

Οι χρήστες μπορούν να διαμορφώσουν ένα harness πράκτορα, και να βελτιώσουν τα αποτελέσματα του πράκτορα, με τέσσερις τρόπους:

1. Μόνιμες οδηγίες

Οι μόνιμες οδηγίες είναι σημειώσεις που κάποιος γράφει μία φορά, ώστε το harness να μπορεί να τις προσθέτει στο παράθυρο πλαισίου στην αρχή κάθε εργασίας. Αξίζει να ρυθμιστούν για οτιδήποτε θα έπρεπε αλλιώς να επαναλαμβάνει κανείς σε κάθε ερώτημα: ποιος είναι και με τι ασχολείται, πώς θέλει να γράφεται η δουλειά του ή ποιοι είναι οι κανόνες για μια επαναλαμβανόμενη εργασία, όπως η μηνιαία αναφορά ενός πελάτη.

Πολλά προϊόντα τεχνητής νοημοσύνης προσφέρουν μόνιμες οδηγίες σε δύο επίπεδα. Οι οδηγίες για ολόκληρο τον λογαριασμό ταιριάζουν σε ό,τι ισχύει για κάθε δουλειά, όπως οι προτιμήσεις ορθογραφίας. Οι οδηγίες έργου ταιριάζουν σε έναν μεμονωμένο πελάτη ή σε μια ροή εργασίας, ώστε η καθοδήγηση για το ένα να μη μεταφέρεται στο άλλο.

Οι μόνιμες οδηγίες λειτουργούν με τον ίδιο τρόπο στους βοηθούς συνομιλίας και στους πράκτορες, αλλά οι πράκτορες εξαρτώνται περισσότερο από αυτές. Σε μια συνομιλία, ο χρήστης μπορεί να διορθώνει την τεχνητή νοημοσύνη μετά από κάθε απάντηση. Ένας πράκτορας μπορεί να κάνει πολλά βήματα πριν δει κανείς τη δουλειά του, οπότε οι οδηγίες που δίνονται εκ των προτέρων είναι ένας από τους λίγους τρόπους για να τον κατευθύνει κανείς στην πορεία.

Πώς να γράψετε αποτελεσματικές μόνιμες οδηγίες

• Ξεκινήστε με μια σύντομη οδηγία, όπως: «Είμαι υπεύθυνος μάρκετινγκ σε μια εταιρεία λογισμικού. Να γράφεις σε απλά αγγλικά, να κρατάς τις συνόψεις κάτω από 200 λέξεις και να χρησιμοποιείς αμερικανική ορθογραφία».
• Συμπληρώστε τις όταν η τεχνητή νοημοσύνη κάνει κάποιο λάθος. Αν η τεχνητή νοημοσύνη στρογγυλοποιεί συνεχώς αριθμούς που η ομάδα χρειάζεται ακριβείς, προσθέστε μια γραμμή που να το αναφέρει.
• Κάντε τις οδηγίες συγκεκριμένες: το «Δίνε ακριβείς αριθμούς, ποτέ στρογγυλοποιημένους» είναι καλύτερο από το «Να είσαι ακριβής».
• Κρατήστε τη λίστα σύντομη και αφαιρέστε γραμμές μόλις πάψουν να είναι χρήσιμες, αφού κάθε γραμμή καταλαμβάνει χώρο στο παράθυρο πλαισίου.

2. Συνδεδεμένες εφαρμογές

Οι συνδεδεμένες εφαρμογές συνδέουν ένα προϊόν τεχνητής νοημοσύνης με τα εργαλεία που ήδη χρησιμοποιεί κάποιος, όπως το email, ένα ημερολόγιο ή έναν κοινόχρηστο αποθηκευτικό χώρο. Μόλις συνδεθεί μια εφαρμογή, η τεχνητή νοημοσύνη μπορεί να δουλεύει με τις πληροφορίες του ίδιου του χρήστη αντί μόνο με όσα επικολλώνται στη συνομιλία.

Αξίζει να ρυθμίσετε συνδέσεις όταν μια εργασία εξαρτάται από πληροφορίες που βρίσκονται σε αυτές τις εφαρμογές, όπως η προετοιμασία μιας ενημέρωσης για συνάντηση από νήματα email ή η σύνοψη εγγράφων σε έναν κοινόχρηστο αποθηκευτικό χώρο.

Πώς να συνδέετε εφαρμογές με ασφάλεια

• Συνδέστε μόνο τις εφαρμογές που χρειάζεται μια εργασία, αφού κάθε σύνδεση προσθέτει μια ακόμη πιθανότητα για σφάλματα.
• Επιλέξτε πρόσβαση μόνο για ανάγνωση όπου προσφέρεται. Για παράδειγμα, ένας πράκτορας που ετοιμάζει ενημερώσεις για συναντήσεις χρειάζεται να διαβάζει email, όχι να τα στέλνει.
• Ορίστε συνδέσεις ανά έργο όπου το επιτρέπει το προϊόν. Στο Perplexity, για παράδειγμα, οι χρήστες μπορούν να επιλέξουν ποιους συνδέσμους χρησιμοποιεί κάθε Έργο.
• Θυμηθείτε να αποσυνδέετε τις εφαρμογές που δεν χρησιμοποιείτε πλέον.

3. Ρυθμίσεις έγκρισης

Οι ρυθμίσεις έγκρισης καθορίζουν ποιες ενέργειες πρέπει να περιμένουν την έγκριση ενός ατόμου πριν προχωρήσει η τεχνητή νοημοσύνη. Ορισμένες εγκρίσεις είναι ενσωματωμένες στο προϊόν, και ορισμένα προϊόντα επιτρέπουν στους χρήστες να επιλέγουν ποιες άλλες ενέργειες χρειάζονται έγκριση.

Πώς να ορίσετε κανόνες έγκρισης

• Απαιτήστε έγκριση για ενέργειες που δεν μπορούν να αναιρεθούν, όπως η αποστολή μηνύματος, η πραγματοποίηση αγοράς ή η διαγραφή αρχείου.
• Κρατήστε σύντομη τη λίστα των εγκρίσεων. Αν ένας πράκτορας ζητά έγκριση για κάθε μικρό βήμα, οι χρήστες αρχίζουν να εγκρίνουν χωρίς να διαβάζουν.

4. Προδιαγραφές και έλεγχοι

Τα περισσότερα προϊόντα AI διαθέτουν ορισμένες ενσωματωμένες προδιαγραφές. Το Perplexity, για παράδειγμα, συνοδεύει τις απαντήσεις του με παραπομπές, ώστε να μπορεί να ελεγχθεί κάθε ισχυρισμός. Οι προδιαγραφές που ορίζει ο χρήστης προσθέτουν όσα ένα προϊόν δεν μπορεί να γνωρίζει από μόνο του, όπως τη μορφή που προτιμά μια ομάδα για τις αναφορές της.

Πώς να ορίσετε προδιαγραφές για τη δουλειά του AI

• Δώστε ένα πρότυπο για τις επαναλαμβανόμενες εργασίες, ώστε το AI να έχει μια σταθερή δομή να συμπληρώσει.
• Μοιραστείτε ένα παράδειγμα προηγούμενης δουλειάς που άρεσε στην ομάδα, ώστε το AI να ακολουθήσει το ύφος και το επίπεδο λεπτομέρειάς της.
• Ζητήστε σύνδεσμο προς την πηγή δίπλα σε κάθε αριθμητικό στοιχείο.
• Ελέγξτε προσεκτικά τα πρώτα αποτελέσματα και μετατρέψτε κάθε κενό που επαναλαμβάνεται σε νέα μόνιμη οδηγία.

Πώς προσεγγίζει το Perplexity τα harness πρακτόρων

Το Perplexity Computer λειτουργεί πάνω σε ένα harness ανεξάρτητο από μοντέλα, το οποίο συγκεντρώνει πάνω από 20 προηγμένα μοντέλα σε ένα ενιαίο σύστημα. Χωρίζει κάθε εργασία σε υποεργασίες, τις αναθέτει σε υποπράκτορες (ξεχωριστούς πράκτορες που αναλαμβάνουν ο καθένας ένα μέρος) και δρομολογεί κάθε κομμάτι της δουλειάς σε ένα μοντέλο κατάλληλο γι' αυτό.

Δείτε πώς να ρυθμίσετε οδηγίες, αρχεία και συνδέσμους στον οδηγό για τα Έργα του Perplexity.

Συχνές ερωτήσεις

Τι είναι ο μηχανικός harness;

Ο μηχανικός harness σχεδιάζει και συντηρεί το σύστημα που επιτρέπει σε ένα μοντέλο AI να κάνει αξιόπιστη δουλειά. Αυτό μπορεί να σημαίνει την προσθήκη ενός νέου εργαλείου για χρήση από τον πράκτορα, τον εντοπισμό της αιτίας για την οποία ένας πράκτορας επαναλαμβάνει το ίδιο λάθος ή την αυστηροποίηση των ελέγχων που εκτελεί πριν ολοκληρώσει μια εργασία. Δεν πρόκειται για καθιερωμένο επαγγελματικό τίτλο, αν και αυτό μπορεί να αλλάξει. Τη δουλειά αυτή συνήθως την κάνουν μηχανικοί λογισμικού σε εταιρείες AI ή σε ομάδες που αναπτύσσουν πράκτορες. Στη βιομηχανία, ο ίδιος αγγλικός τίτλος (harness engineer) αναφέρεται σε όποιον σχεδιάζει πλεξούδες καλωδίων, δηλαδή τις δέσμες καλωδίων μέσα σε αυτοκίνητα και μηχανήματα.

Τι είναι ένα harness πράκτορα;

Ως harness πράκτορα εννοείται συνήθως οτιδήποτε σε έναν πράκτορα AI πέρα από το ίδιο το μοντέλο. Σε αυτό περιλαμβάνεται ο κώδικας που εκτελεί τον βρόχο του πράκτορα, διαχειρίζεται το πλαίσιο, εκτελεί τις κλήσεις εργαλείων, αποθηκεύει τη μνήμη, επιβάλλει τα δικαιώματα και ελέγχει τη δουλειά του πράκτορα πριν αυτή φτάσει σε έναν άνθρωπο.

Έχει κάθε εργαλείο AI ένα harness;

Ναι. Ακόμη και ένας απλός βοηθός συνομιλίας βασίζεται σε ένα harness για να παρακολουθεί τη συζήτηση, καθώς το μοντέλο δεν θυμάται από μόνο του τα προηγούμενα μηνύματα.

Οι προγραμματιστές μπορούν επίσης να χρησιμοποιήσουν ένα μοντέλο στέλνοντάς του αιτήματα από το δικό τους λογισμικό μέσω ενός API (μιας σύνδεσης που επιτρέπει σε ένα πρόγραμμα να στέλνει αιτήματα σε ένα άλλο). Σε αυτή την περίπτωση, τον ρόλο του harness τον αναλαμβάνει ο κώδικας του ίδιου του προγραμματιστή.

Θα κάνουν τα καλύτερα μοντέλα περιττά τα harness;

Τα καλύτερα μοντέλα ίσως χρειάζονται λιγότερη καθοδήγηση βήμα προς βήμα, οπότε ένα μέρος όσων κάνουν σήμερα τα harness θα μπορούσε να περιοριστεί. Όμως ένα μοντέλο από μόνο του απλώς μετατρέπει κείμενο σε κείμενο. Δεν έχει σύνδεση στο διαδίκτυο ούτε πρόσβαση σε άλλες εφαρμογές. Η πρόσβαση σε αρχεία, η εκτέλεση ενεργειών και η επιβολή κανόνων έγκρισης γίνονται στο λογισμικό γύρω από το μοντέλο, επομένως αυτή η δουλειά πιθανότατα θα παραμείνει στο harness, όσο ικανά κι αν γίνουν τα μοντέλα.