Нейросеть та же, но результат в 10 раз лучше. Как устроены ИИ-агенты, которые сворачивают горы?

Кибер-привет, товарищи ❗️

Раньше агентов строили вокруг простого цикла: модель получила задачу, дёрнула инструмент, выдала результат и пошла на новый круг внутри одного чата.

Состояние проекта зависело от контекстного окна, то есть памяти нейронки в чате.

С каждым шагом оно забивалось мусором, нейронка теряла цель, не могла исправить свои ошибки и впустую сжигала токены.

Такой этап развития ИИ-агентов назвали «Агенты 1.0». Помните плагины ChatGPT и кастомные GPTs из 2024? Это, товарищи, оно самое. Как и ваши ежедневные чаты в любой нейронке.

Решением стало развитие идеи «харнесса» (рабочего места нейронки) и переход к Агентам 2.0. Наш Кибер-Агент как пример. Сейчас ещё Dots появились, Manus прокачался.

В общем, эту концепцию слово в слово описали специалисты Google DeepMind (вот работа их инженера Филиппа Шмида).

⏩ По сути, это ровно та система, о которой я рассказываю весь год.

В Агентах 2.0 вокруг модели организовали обвязку по 3 правилам:

✅ Внешняя память. Документы, результаты работы и прогресс сохраняются в файлах. Агент достаёт нужное по мере необходимости.

✅ Работа по этапам. Большая задача разбивается на части, прогресс фиксируется, а отдельные поручения могут идти субагентам.

✅ Проверка результата. Сам себя агент-исполнитель может хвалить даже за шлак. Поэтому работу проверяют внешние тесты или отдельный субагент-ревизор по чётким критериям.

⏩ На моделях одного уровня харнесс влияет на качество результата в 7,8 раза сильнее выбора нейронки. Также он позволяет тратить до 40 раз меньше токенов.

Именно поэтому DeepSeek выкатила свой DeepSeek Harness и шатает американцев за копейки.

Короче, от рабочей среды нейронки ОЧЕНЬ зависит ваш успех.

Если для вас понять и разобраться в харнессе ценно - дайте знать через 20 ❤️