Agent harness не умер: что осталось после умных моделей

Что в ролике
Если вы запускаете агентов в проде, вопрос «мёртв ли agent harness» — это вопрос о том, где теперь проходит граница между моделью и обвязкой. Джедия Кац из Cursor/SpaceX показывает, что умные модели действительно убили ту часть harness, которая добавляла кодинг-интеллект: на бенчмарках SWE-bench light и MLEBench простой harness с доступом к shell и секретам набирает почти те же баллы, что и сложный. По его схеме это работает как data flywheel — harness делает задачи доступными, пользователи делятся данными, модели учатся навыкам нативно, и старые подпорки можно удалять. Но сам harness не мёртв: Grokbot с coordinator-ботами и worker-агентами возвращает промпты и guardrails уже для новых задач вроде слайдов, путешествий и общения, а софтверная фабрика оркеструет агентов на всём цикле разработки. Остаются и непоглощаемые моделью части: облачный рантайм, который не уснёт вместе с ноутбуком, скоуп разрешений и защита от действий вроде списания 10 000 долларов за API. Эффективность — отдельный рычаг: те же исследования показали разницу не в качестве, а в цене задачи, а оптимизация кэша, токенов и микса моделей в Grokbot дала снижение стоимости и скорости без потери качества. Дальше он ждёт ускорения flywheel, примитивов вроде подписок на события и перехода 90% агентной работы в облако уже через полгода.
Практика
- Что получишь
- Понимание, какие части agent harness уже съедены умными моделями, а какие остаются источником отличий, и набор ориентиров для проектирования следующего поколения агентов.
- Первый шаг
- Пройтись по своему текущему harness и выписать guardrails и промпты, которые модель, возможно, уже не использует, чтобы их удалить.
- Цифры
- —6 месяцев — прогнозный срок перехода 90% агентной работы в облако
- —10 000 долларов — пример счёта за API, от которого защищают guardrails
- —7 — число frontier-моделей, проверенных в исследовании Berkeley на разных harness'ах
- Честно
- Доклад местами рекламирует Grokbot: спикер прямо называет его groundbreaking и рекомендует попробовать, хотя конкретных настроек и метрик не раскрывает. Цифры по оптимизации кэша, токенов и микса моделей показаны, но значения параметров в пересказе не воспроизводимы. Исследования названы только организациями, ссылок на них нет.
Если слова незнакомы — 6 терминов
- agent harnessобвязка вокруг модели: среда, в которой агент получает инструменты, контекст и управление
- data flywheelцикл, где harness открывает задачи, пользователи дают данные, модель учится, и старые подпорки удаляются
- guardrailsпрограммные ограничения и правила, не дающие агенту сделать опасное или лишнее
- промпттекстовая инструкция, которую агент получает для выполнения задачи
- рантаймсреда выполнения агента, где работает его цикл и хранится состояние
- координатор-ботыдолгоживущие агенты-менеджеры, которые управляют рабочими агентами и стратегией задачи
Компоненты
6 шт.Формат: мнение · для практикующих · уверенность разметки 0.9 · источник