Выжимка из книги Ли Боцзе «Глубокое понимание AI Agent: принципы проектирования и инженерная практика» (Pine AI, v2.0, 2026).

Формула-ядро: Агент = LLM (мозг) + Контекст (глаза) + Инструменты (руки-ноги); в продакшн-форме: Агент = Model + Harness, где Harness = управление контекстом + интерфейсы инструментов + ограничения + проверка + исправление.

1. Основы и Harness-инженерия

Вводи агентность только когда задача требует автономного выбора пути решения на каждом шаге — она с задержкой и стоимостью. Если порядок шагов и условия перехода известны — это workflow. Подробнее о применимости мультиагентного подхода - в части 10.

Оценивай модель на своей задаче, не по рейтингам: точность/цена/скорость + согласится ли модель выполнять задачу (политики) + хватает ли API. Для многошаговых решений нужен reasoning.

Менять модель дорого, лучше расширять контекст и инструменты, а не ждать модель умнее.

Основная масса продакшн-кода — ограничения/проверки/исправление, а не сами контекст/инструменты.

Три принципа эффективного агента: простота (API > фреймворк), прозрачность (видимые логи/траектория), хороший ACI (интерфейс инструментов с т.з. агента).

В коде закрепляй только нерушимые границы (права, запрет перезаписи, атомарная публикация); остальное — пространство решений модели. Отдельный верификатор — только когда бизнес-ограничение или устойчивый паттерн сбоя этого требует.

Всегда задавай явные условия остановки (успех/final_answer/нет вызова/лимит ошибок/лимит раундов); гоняй в песочнице с мониторингом и человеко-точками перед продакшном.

Фреймворк выбирай по тому, не мешает ли он сосредоточиться на бизнес-логике — API фреймворков быстро устаревает.

Ограждения (3 слоя по трудности обхода): - контекст (классификатор jailbreak/injection, модерация, regex), - исполнение (риск-оценка инструмента; отдельный процесс/sandbox/человек; проверка смотрит только на структурные поля, не на текст модели) - данные (RLS, валидаторы, недоступный агенту контекст доступа — отвергнет операцию даже если injection прошла).

5 сквозных паттернов: - Proposer-Reviewer (проверяющий не делит контекст с производителем, видит только артефакт); - Progressive Disclosure (от общего к частному); - Append-only (кэшируемость/аудит); - граничный+удерживающий набор; - минимальный diff + обратимость.

3 горизонта обновления: - контекст (мс, временно) - внешние артефакты: знания/Prompt/Skill/Harness (проверяемо, между задачами) - параметры модели (дорого, недели, для стиля/неявной стратегии/восприятия).

Продолжение следует...