Все мы сейчас AI инженеры) Нам дали экзоскелет и теперь мне интересно работает этот экзоскелет. Пришел к таким наблюлениям

Agent Engineering - это про то, как построить систему вокруг LLM, чтобы AI-агент мог эффективно и надёжно выполнять задачи

Например, есть несколько подходов:

1. ReAct - агент делает шаг, получает результат, смотрит, что изменилось, и решает, что делать дальше.

И так, пока не выполнит задачу. Мы заранее не знаем, сколько шагов ему понадобится: 10, 50 или 200. Минус в том, что он может зациклиться и потратить кучу токенов.

2. Plan-Execute - агент сначала составляет план, а потом выполняет его.

Но когда он пишет план, то ещё не знает, с какими проблемами столкнётся. Поэтому в процессе что-то может пойти не так и план придётся менять.

И вот всё это нужно как-то организовать: управлять состоянием агента, ограничивать количество шагов, обрабатывать ошибки, проверять результаты.

Для этого и нужен Agent Harness - система, которая управляет работой агента.