AI Harness. Построение агентных систем: как надо, а не как все

Нейропроцессор Подключим локальную модель, разберем базовые механики Spring AI 2.0 и напишем первые Agent и Conversation. Пока получится всего лишь чат-бот, это еще не агент.

Диагностический контур: телеметрия и разделение слоев Научим систему рассказывать, что с ней происходит. Разделим логику агента и интерфейс, введем доменные события и заложим архитектуру, которая не развалится по мере роста проекта.

Оптические сенсоры: инструменты и агентский цикл Агент уверенно рассказывает о файле, которого никогда не читал. Исправляем это. Разбираемся, как работают tools, почему описание инструмента — это тоже часть промпта. Добавляем чтение файлов и собираем настоящий agent loop. Именно здесь чат-бот становится агентом.

Шасси: навигация по репозиторию Добавим поиск по имени и содержимому, научим агента ориентироваться в структуре проекта и перестанем позволять ему выдумывать несуществующие пути.

Манипуляторы: правка файлов Теперь агент умеет «смотреть» на репозиторий. Пора научить его действовать: покажем ему, как создавать и изменять файлы, разберем точечное редактирование и введем принцип «не редактируй то, чего не читал».

База данных Skynet: контекст и характер Агент уже умеет работать с файлами, но все еще почти ничего не знает о самом проекте. Научим его учитывать git-статус, структуру репозитория, память и другие части контекста. Системный промпт перестанет быть одной огромной строкой.

Вооружение: выполнение команд и human-in-the-loop Дадим агенту возможность запускать команды, а значит потенциально делать с вашей машиной почти все, что угодно. Поэтому сразу строим систему разрешений: режимы, правила, классификацию опасных действий и точки, где агент обязан остановиться и спросить человека.

Тактический процессор: планирование Добавим агенту список задач и механизм контроля собственного плана. Разберемся, почему одного инструмента планирования недостаточно и как напоминать агенту о том, что он начал и бросил на полпути.

Блок памяти: управление контекстным окном Контекст заканчивается, причем обычно в самый неподходящий момент. Научимся считать расход контекста, ограничивать результаты инструментов, удалять устаревшую информацию и сжимать историю разговора в компактное резюме.

Самоконтроль: работа до результата Научим агента отличать «я сделал» от «я сделал и проверил, что все работает». Добавим стоп-условия, обработку ошибок, повторные попытки и защиту от зацикливания.

Звено подкрепления: субагенты Что делать, если исследование большого проекта съедает весь контекст? Запустить другого агента. Соберем субагента с собственным контекстом, который изучает задачу отдельно и возвращает главному агенту вывод.

Канал связи: REPL, слеш-команды, стриминг До этого момента агент жил на стенде разработчика. Теперь дадим ему интерфейс. Сделаем живой диалог в терминале, стриминг ответа, прерывание работы, учет токенов и набор слеш-команд.

Финал Агент получает реальную задачу в реальном репозитории и проходит весь путь самостоятельно: находит нужный код → анализирует → меняет файлы → запускает команды → исправляет ошибки → доводит задачу до результата.