Харнесс для AI-разработки: как собрать рабочую систему вокруг LLM

Все обсуждают модели: GPT, Claude, Codex, Gemini, Opus. Но в реальной работе побеждает не только самая сильная модель, а правильно собранная система вокруг неё. Эта система называется agent harness — харнесс, или обвязка.

Раньше AI в разработке выглядел просто: открыл чат, написал запрос, получил кусок кода, вставил в проект, проверил — и так десять раз, пока модель не выдаст что-то подходящее. Проблема не только в модели, а в том, что вокруг неё часто нет рабочей инфраструктуры: нет контекста проекта, нет правил, нет связки с репозиторием, документацией, сервером и историей изменений.

Что такое харнесс

Харнесс — это программная инфраструктура вокруг LLM: оркестрационный цикл, инструменты, память, управление контекстом, состояние, обработка ошибок, ограничения и проверки. Если объяснить образно: модель — это двигатель, а харнесс — коробка передач, руль, тормоза, приборная панель и ремни безопасности. Без нормальной системы вокруг даже мощный двигатель далеко не увезёт.

Двенадцать компонентов production-харнесса

• Оркестрационный цикл — агент работает итерациями: получил задачу, подумал, выполнил действие, получил результат, скорректировался.
• Инструменты — доступ к файлам, терминалу, браузеру, GitHub, API, базе данных.
• Память — позволяет агенту не начинать каждый раз с нуля.
• Управление контекстом — выбор того, что модель должна видеть сейчас, а что не нужно тащить в промпт.
• Конструирование промпта — сборка системных правил, задачи, истории, инструментов и контекста проекта.
• Парсинг вывода — понимание, что вернула модель: финальный ответ, вызов инструмента, ошибку или команду.
• Управление состоянием — где агент находится в задаче, что уже сделал и что осталось.
• Обработка ошибок — умение не падать при первом сбое, а исправляться.
• Безопасность — ограничения на опасные действия: удаление файлов, миграции, деплой, доступ к данным.
• Проверки — тесты, линтеры, build, diff review, visual review.
• Субагенты — разделение ролей: один исследует, второй пишет, третий проверяет.
• Непрерывность работы — способность продолжать задачу между сессиями через git, progress-файлы и историю изменений.

Главная мысль: AI-разработка будущего — это не просто «купить доступ к новой модели», а собрать вокруг неё рабочую систему.

Рабочий сетап автора

• Orca — специализированная IDE для разработки и оркестрации кодовых ИИ-агентов (Claude Code, Codex, OpenCode, Gemini и др.) с изолированными git worktree, отдельными терминалами, встроенным браузером и мобильным приложением для удалённого управления.
• GitHub — репозитории, ветки, pull requests, история изменений и деплой.
• VPS — стабильная среда с доступом в интернет, где хранится проект и работает агент.
• Pi Agent — основной harness, через который запускается модель.

Источник: Все статьи подряд / Искусственный интеллект / Хабр