~ day 8-14 of learning ai agents by building (skipped a lot of days without building):

разобрался в текущей обстановке в harness - langchain - тут усложнилось само написание тулов (оследний раз смотрел весной 25 года) - каждый тул имеет доступ к внутренностям harness - к memory, context, и другим тулам. Ещё интересно как устроен observability (но пока туда не пошел) https://www.langchain.com

- поюзал и разобрался в pi (на котором сделан open claw): основной принцип - harness допиливается за счет extension - по сути это хуки-плагины которые исполняются (написаны на ts) harness, и за счет этого можно расширять harness. За счет этого у нас есть доступ ко всему контексту и тулам которые есть у harness. Минусы - такие extension жестко завязаны на pi и ни один другой harness не сможет их использовать. Поэтому тут пока выигрывает частично подход skill steward (тулы создаются как внутренний сет тулов не заисимый от harness, а как часть продукта) https://pi.dev/

- посмотрел (но пока не поюзал) deepseek harness - по сути они используют схожий принцип как и pi - все что добавляется это plugin (в pi - это extension) https://github.com/deepseek-ai/deepseek-harness

начал переводил свою agentic harness на новую архитектуру + добавлять бенчмарки. Пока что работаю с apple foundation моделью, и стараюсь улучшить показатели вокруг использования именно её на моем ноуте (у меня старенький m1 air) - работает медленно, но прогресс есть - дошел до этапа добавления filesystem tools и их использования - но пока даже внутренние бенчи не могу пройти.

перешел на модели с open router пока есть возможность использовать бесплатные модели