Membangun AI Agent: Harness Engineering: semua pelajaran

Memangkas, meringkas, dan menyimpan ke luar konteks ketika tugasnya panjang — tanpa kehilangan fakta yang dibutuhkan langkah berikutnya.

Daftar izin, persetujuan manusia, dan lingkungan terisolasi untuk alat yang berisiko — ditegakkan oleh harness, bukan oleh kepatuhan model.

Pesan error yang membantu model memperbaiki diri, retry yang tidak memperburuk keadaan, dan kapan harus menyerah.

Mencatat setiap langkah, token, dan biaya supaya kegagalan bisa ditelusuri — dan supaya Anda tahu seperti apa run yang normal.

Lebih sedikit alat yang lebih jelas mengalahkan banyak alat yang tumpang tindih — dan antarmuka yang konsisten, terbatas, dan toleran terhadap kesalahan model.

Server, klien, alat, dan resource — menulis integrasi sekali dan memakainya dari agent mana pun.

Akses baca-saja, kueri yang dibatasi, token berlingkup, dan data sensitif yang diredaksi sebelum model melihatnya.

Satu agent memecah tugas, yang lain mengerjakan bagiannya secara paralel.

Memberi setiap subagent konteks yang bersih, dan hanya mengembalikan kesimpulannya.

Biaya token, kehilangan informasi antar-agent, dan kegagalan yang sulit dilacak.

Menilai hasil akhirnya, bukan setiap kata — dan membuat lingkungan uji yang bisa diulang.

Menelusuri log langkah demi langkah untuk menemukan kesalahan pertama.

Biaya per tugas, jumlah langkah, dan variasi antar-percobaan.

Di mana persetujuan manusia dibutuhkan, dan bagaimana membuatnya tidak mengganggu.

Model ancaman untuk agent yang membaca data tak tepercaya dan memegang alat sungguhan.

Agent yang mencari, membaca, dan merangkum — dengan sitasi, batas biaya, dan log lengkap.