Harness - главный рычаг качества AI-агента

Обвязка — это всё, что модель окружает: системный промпт, инструменты, контекст, скиллы, память. На английском её называют harness. Без неё даже флагманский Claude работает как экскаватор без рычагов: мощность есть, использовать нечем.

Из последнего у нас в Кайтен — фабрика лендингов на LLM. Любой человек в компании заполняет короткий бриф (продукт, аудитория, цель) и через минуты получает готовый брендированный лендинг, неотличимый от нашей дизайн-системы. Цепочку маркетолог → копирайтер → дизайнер → фронтенд закрывает один AI-агент в обвязке: скилл под конверсионный лендинг с awareness-уровнями аудитории, реестр разрешённых компонентов, валидаторы бренда и автоматическая проверка вёрстки. Работает это на любой современной модели — главное лежит в самой обвязке.

Эти практики за последние полгода независимо описали Anthropic, OpenAI и сильные инженеры из Google и Answer.AI. И чем выше растёт мой собственный грейд работы с LLM, тем отчетливей ловлю, что упираюсь ровно в это же — в обвязку и необходимость её систематизировать. Видимо это естественная фаза взросления, через которую проходят многие, кто прошёл с LLM достаточный путь.

У обвязки есть простая граница применимости — она работает там, где есть повторяемость. Когда вы протаптываете новую тропинку или впервые идете в незнакомый домен, harness ещё неоткуда взяться: сначала пройти руками, потом систематизировать. На этой развилке и спотыкается множество корпоративных AI-пилотов.

В статье на Habr подробней разложил формулу Agent = Model + Harness, цитаты инженеров из Google, OpenAI и Anthropic, ещё несколько моих кейсов из Кайтен (включая фабрику лендингов) и практический playbook из трёх шагов.

→ Harness вокруг LLM: что я понял за полтора года ежедневной работы с Claude Code

Живите и процветайте 🖖