Harness инжењеринг: шта је то и како функционише

Шта значи инжењеринг harness-а

Инжењеринг harness-а је рад на изградњи harness-а AI алата, односно свих дијелова алата осим самог AI модела.

Модел је AI систем који је обучен на великим количинама текста како би могао читати и писати језик. Примјери AI модела су GPT компаније OpenAI, Claude компаније Anthropic и Gemini компаније Google.

Сам по себи, модел може само примити текст (а понекад и слике или звук) и одговорити текстом. Не може памтити претходне разговоре, тражити актуелне информације нити покретати код. Зато му је потребан harness који управља тиме које информације модел добија, које апликације може користити, шта му је дозвољено да ради и како се његов рад провјерава.

Чак је и обичном асистенту за ћаскање потребан harness. Модел заборавља сваку размјену чим одговори, па harness чува запис разговора. Ако неко пита о Паризу, а затим дода „колики је његов број становника?“, harness шаље оба питања моделу заједно. Тако модел зна да се „његов“ односи на Париз.

Инжењеринг harness-а један је од разлога зашто два алата заснована на истом моделу могу радити толико различито. На примјер, у једном независном тесту истраживачи су задржали исти модел (GPT5) и промијенили само harness, а резултат модела на тесту кодирања мијењао се и до 11%.

Творци AI модела, као што су Anthropic и OpenAI, праве harness-е за сопствене AI производе, попут алата Claude Code и Codex. Компаније које развијају AI производе такође осмишљавају harness-е за моделе које изаберу као основу. И људи који користе AI алате обликују дио harness-а. Многи алати им омогућавају да додају трајна упутства, повежу апликације и изаберу које радње захтијевају њихово одобрење прије него што алат настави.

Инжењеринг harness-а за AI агенте

Сваки AI алат има harness, али инжењеринг harness-а постаје посебно важан при раду са AI агентима. Агенти самостално обављају задатке у више корака, попут истраживања конкурената и уношења налаза у табелу, а harness покреће сваки корак. Зато, ако harness направи грешку, на примјер повуче прошлогодишње цијене, то ће утицати и на све наредне кораке.

Већина harness-а за агенте има шест главних дијелова:

1. Петља агента

Увећај

Петља агента је код унутар harness-а који задатак води напријед, корак по корак.

AI модел одлучује који је сљедећи корак потребан за завршетак задатка и пише позив алата: кратак захтјев који наводи алат у harness-у, на примјер веб претрагу, и шта тај алат треба урадити.

Harness препознаје захтјев, покреће претрагу и додаје резултате у оно што модел може видјети. Модел их чита и одлучује шта даље.

2. Управљање контекстом

Модел током обуке стиче опште знање, али то знање сеже само до датума када је обука завршена. Не обухвата ништа специфично за конкретан задатак, попут датотека компаније, данашњих вијести или онога што је раније речено у разговору.

За све то модел зависи од свог контекстног прозора: текста који му harness даје прије сваког одговора, као што су његова упутства, упит, досадашњи ток разговора и резултати претраге.

Прозор може примити само ограничену количину текста. Чак и прије него што се прозор попуни, модели понекад пропусте информације закопане у средини дугих уноса.

Зато harness управља контекстом и бира само информације које су потребне за сваки корак. На примјер, ако је задатак упоредити цијене пет конкурената, harness може укључити страницу са цијенама сваке компаније умјесто њиховог цијелог веб-сајта. Код дугих задатака harness може и замијенити детаљан запис ранијих корака кратким резимеом, тако да модел прати шта је већ урадио, а да та историја не попуни прозор.

3. Алати

Алати су код који извршава радње које модел затражи. Сваки алат обавља једну врсту радње, као што је претрага веба, отварање и читање веб-странице, покретање кода или уређивање датотеке. Када модел напише позив алата, harness га прослеђује одговарајућем алату и враћа резултат.

Многи harness-и укључују и конекторе, односно алате који повезују агента са одређеном апликацијом, попут е-поште, календара или дијељеног диска, уз приступ који је особа одобрила. На примјер, уз конектор за календар агент може провјерити нечију доступност прије него што предложи термин састанка.

4. Меморија

Меморију чине сачуване информације које се преносе из једне сесије у другу. Harness током сесије чува кратке биљешке, на примјер о нечијим преференцијама или о томе докле се стигло са пројектом. На почетку сљедеће сесије harness додаје те биљешке у контекстни прозор, па их модел прочита прије новог упита. Тако агент, на примјер, може наставити рад на седмичном извјештају тамо гдје је стао, умјесто да поново почиње од почетка.

5. Дозволе

Дозволе су правила о томе чему агент може приступити и шта може радити. Правила приступа одређују које датотеке, апликације или веб-сајтове може отворити. Правила одобравања одређују које радње морају чекати нечије одобрење, као што је слање поруке или куповина.

Компанија која прави агента поставља нека од ових правила у коду harness-а. Затим администратори организације могу додати своја правила, а појединачни корисници могу бирати, на примјер, које ће налоге повезати.

6. Провјера

Провјера је код који прегледа рад агента прије него што он стигне до особе. Користи двије врсте провјера:

• Фиксна правила, односно конкретни тестови који сваки пут на исти начин прођу или падну, на примјер потврда да се свака бројка из извјештаја појављује у документу који је агент заиста прочитао.
• Преглед од стране другог AI модела, који чита рад и оцјењује га. Он може уочити проблеме које је тешко претворити у правило, као што је резиме који изоставља важну ставку.

Ниједна провјера не открива све, па harness-и обично комбинују обје врсте. Када провјера пронађе проблем, harness додаје његов опис у контекстни прозор модела и враћа задатак кроз петљу агента. Модел исправља проблем и покушава поново, па се многе грешке исправе прије него што корисник види резултат.

Примјери инжењеринга harness-а

Припрема за састанак са клијентом

Задатак: Менаџер за односе са клијентима тражи од агента да припреми брифинг за сутрашњи састанак са клијентом, са отвореним питањима и нацртом дневног реда.

Шта harness ради:

• Преко конектора за е-пошту агент у менаџеровом пријемном сандучету тражи поруке размијењене са клијентом.
• Дозволе му омогућавају да чита е-пошту, али не и да је шаље.
• Управљање контекстом прослеђује моделу само поруке са тим клијентом из посљедња три мјесеца, а не цијело пријемно сандуче.
• Петља агента пролази кроз неколико кругова претраживања и читања, а модел оно што пронађе групише у отворена питања.
• Провјера затим потврђује да је свако питање у брифингу повезано са стварном поруком е-поште.

Могући резултат: Менаџер добија брифинг од једне странице у којем се свака ставка може повезати са поруком е-поште из које потиче.

Ажурирање мјесечног извјештаја о продаји

Задатак: Руководилац оперативних послова тражи од агента да ажурира мјесечни извјештај о продаји бројкама за овај мјесец.

Шта harness ради:

• Меморија учитава биљешке из сесије од прошлог мјесеца, укључујући формат извјештаја и захтјев руководиоца да се бројке заокружују на најближу хиљаду.
• Алат за датотеке отвара табелу продаје на дијељеном диску тима.
• Дозволе омогућавају агенту да уређује нацрт извјештаја, али не и изворну табелу, па се оригиналне бројке не могу грешком промијенити.
• Провјера потврђује да се укупни износи у извјештају подударају са табелом.

Могући резултат: Извјештај стиже у истом формату као и прошлог мјесеца, а да корисник не мора поново објашњавати како треба да изгледа.

Разврставање заједничког пријемног сандучета

Задатак: Тим за подршку тражи од агента да јутрошње пристигле захтјеве разврста по темама и припреми нацрте одговора на оне најчешће.

Шта harness ради:

• Петља агента пролази кроз пријемно сандуче поруку по поруку.
• За сваку поруку модел бира ознаку теме, а harness је примјењује преко конектора за е-пошту.
• На почетку задатка harness додаје одобрене шаблоне одговора тима у контекстни прозор као смјернице, па модел сваки нацрт заснива на шаблону.
• Правило одобравања задржава сваки одговор као нацрт док га неко из тима не прегледа и пошаље.

Могући резултат: Тим почиње дан са разврстаним захтјевима и одговорима који чекају преглед.

Исправљање грешке на веб-сајту

Задатак: Програмер тражи од агента за кодирање да исправи грешку због које дугме за завршетак куповине не ради.

Шта harness ради:

• Агент ради у sandbox-у, изолованој копији кода у којој његове измјене не могу утицати на активни веб-сајт.
• Алат за код омогућава моделу да чита и уређује датотеке.
• Након сваке измјене провјера покреће аутоматске тестове пројекта.
• Сваки неуспјех враћа се моделу као нова информација.

Могући резултат: Агент дорађује исправку све док тестови не прођу. Програмер затим прегледа измјену прије него што она буде објављена.

Инжењеринг harness-а наспрам инжењеринга промптова и инжењеринга контекста

Инжењеринг промптова је рад на састављању и оптимизацији појединачног упита. Инжењеринг контекста је рад на управљању свим што модел види. Инжењеринг harness-а је процес осмишљавања и унапређивања цијелог система у којем модел ради.

Како корисници могу утицати на harness AI алата

Већи дио harness-а агента потиче од компаније која прави агента, али многи AI производи омогућавају корисницима да дио њега прилагоде кроз подешавања као што су прилагођена упутства, повезане апликације и одобрења.

Корисници могу обликовати harness агента, а тиме и побољшати резултате агента, на четири начина:

1. Трајна упутства

Трајна упутства су биљешке које особа напише једном, како би их harness могао додати у контекстни прозор на почетку сваког задатка. Вриједи их поставити за све што би особа иначе понављала из упита у упит: ко је и чиме се бави, какав стил писања преферира или правила за посао који се понавља, попут мјесечног извјештаја за клијента.

Многи AI производи нуде трајна упутства на два нивоа. Упутства на нивоу налога погодна су за оно што важи за сав рад, попут правописних преференција. Упутства за пројекат погодна су за једног клијента или један ток рада, тако да се смјернице за једно не преносе на друго.

Трајна упутства функционишу на исти начин у асистентима за ћаскање и у агентима, али агенти више зависе од њих. У ћаскању особа може исправити AI након сваког одговора. Агент може направити много корака прије него што ико види његов рад, па су упутства дата унапријед један од ријетких начина да се успут усмјерава.

Како написати ефикасна трајна упутства

• Почните кратким упутством, на примјер: „Ја сам менаџер маркетинга у софтверској компанији. Пиши једноставним енглеским језиком, резимее ограничи на мање од 200 ријечи и користи амерички правопис.“
• Допуните их када AI погријеши. Ако AI стално заокружује бројке које тиму требају у тачном облику, додајте ред у којем то наводите.
• Нека упутства буду конкретна: „Наводи тачне бројке, никад заокружене“ боље је од „Буди прецизан“.
• Листу држите кратком и уклањајте редове када више нису корисни, јер сваки ред заузима простор у контекстном прозору.

2. Повезане апликације

Повезане апликације спајају AI производ са алатима које особа већ користи, као што су е-пошта, календар или дијељени диск. Када се апликација повеже, AI може радити са личним информацијама те особе, а не само са оним што је налијепљено у ћаскање.

Повезивање вриједи подесити када задатак зависи од информација које се налазе у тим апликацијама, на примјер за припрему брифинга за састанак на основу преписке е-поштом или за резимирање докумената на дијељеном диску.

Како безбједно повезати апликације

• Повежите само апликације које су задатку потребне, јер свака веза отвара још једну могућност за грешке.
• Изаберите приступ само за читање тамо гдје је доступан. На примјер, агент који припрема брифинге за састанке треба читати е-пошту, а не слати је.
• Подесите везе по пројекту тамо гдје производ то дозвољава. На примјер, у апликацији Perplexity корисници могу изабрати које конекторе користи сваки пројекат.
• Не заборавите прекинути везу са апликацијама које више не користите.

3. Подешавања одобрења

Подешавања одобрења одређују које радње морају чекати нечије одобрење прије него што AI настави. Нека одобрења су уграђена у производ, а неки производи омогућавају корисницима да изаберу које друге радње га захтијевају.

Како поставити правила за одобравање

• Захтијевајте одобрење за радње које се не могу поништити, као што су слање поруке, куповина или брисање датотеке.
• Нека списак одобрења буде кратак. Ако агент тражи сагласност за сваки мали корак, људи почну да одобравају без читања.

4. Стандарди и провјере

Већина AI производа има неке уграђене стандарде. Perplexity, на примјер, уз своје одговоре наводи изворе како би се свака тврдња могла провјерити. Стандарди које поставља корисник додају оно што производ не може сам знати, попут формата извјештаја који тим преферира.

Како поставити стандарде за рад AI-ја

• Обезбиједите шаблон за посао који се понавља, како би AI имао фиксну структуру коју треба да попуни.
• Подијелите примјер ранијег рада који се тиму допао, како би AI могао да усклади тон и ниво детаља с њим.
• Тражите линк ка извору уз сваку бројку.
• Пажљиво прегледајте прве резултате и сваки недостатак који се понавља претворите у ново трајно упутство.

Како Perplexity приступа агентским harness-има

Perplexity Computer ради на harness-у независном од модела, који обједињује више од 20 напредних модела у један систем. Он дијели сваки задатак на подзадатке, предаје их подагентима (засебним агентима од којих сваки преузима по један дио) и сваки дио посла усмјерава ка моделу који му одговара.

Сазнајте како подесити упутства, датотеке и конекторе у водичу за Perplexity пројекте.

Честа питања

Шта је harness инжењер?

Harness инжењер пројектује и одржава систем који AI моделу омогућава да поуздано обавља посао. То може значити додавање новог алата који агент може користити, откривање зашто агент стално прави исту грешку или пооштравање провјера које спроводи прије него што заврши задатак. То није стандардно звање, мада се то може промијенити. Овај посао обично раде софтверски инжењери у AI компанијама или у тимовима који развијају агенте. У производњи се исто звање односи на особу која пројектује кабловске снопове, односно повезане каблове унутар аутомобила и машина.

Шта је агентски harness?

Агентски harness обично означава све у AI агенту осим самог модела. То укључује код који покреће агентску петљу, управља контекстом, извршава позиве алата, чува меморију, примјењује дозволе и провјерава рад агента прије него што стигне до човјека.

Да ли сваки AI алат има harness?

Да. Чак се и основни асистент за ћаскање ослања на harness да би пратио ток разговора, јер модел сам не памти раније поруке.

Програмери могу користити модел и тако што му шаљу захтјеве из свог софтвера преко API-ја (везе која једном програму омогућава да шаље захтјеве другом). У том случају посао harness-а обавља код самог програмера.

Хоће ли бољи модели учинити harness-е непотребним?

Бољим моделима можда ће бити потребно мање упутстава корак по корак, па би се дио онога што harness-и данас раде могао смањити. Али модел сам по себи само претвара текст у текст. Нема везу са интернетом нити приступ другим апликацијама. Приступ датотекама, извршавање радњи и примјена правила за одобравање одвијају се у софтверу око модела, па ће тај посао вјероватно остати на harness-у, ма колико модели постали способни.