Apa itu Harness Engineering? Membedah 7 Modul Engineering Utama untuk Implementasi Nyata AI Agent (AI 駕馭工程)

📄Artikel lengkap· Diambil secara otomatis oleh trafilaturaGemini 翻譯7764 kata

Artikel ini akan membedah secara sistematis tujuh modul utama Harness Engineering (Rekayasa Harness AI Agent): manajemen Context, desain Tool, sistem Permission, Memory dan Compaction, sistem Hook, arsitektur Sub-agent, dan Prompt Cache. (Pratinjau: Pengantar Harness Engineering (Rekayasa Harness AI): Standar Pemrograman Terbaru OpenAI, Mengajarkan Anda Cara Mencapai Lv.1 dengan Mudah) (Latar Belakang: CEO YC Berbagi Rahasia AI: Masa Depan Milik Mereka yang Membangun Sistem Bunga Majemuk Informasi) Baru-baru ini, sebuah konsep yang diam-diam menyebar dari kalangan insinyur infrastruktur ke seluruh komunitas pengembang AI mulai muncul: Harness Engineering, yang dalam bahasa Mandarin dapat diterjemahkan sebagai "驾驭工程" (Rekayasa Pengendalian/Harness). Argumen inti dari istilah ini adalah: model itu sendiri hanyalah separuh dari AI Agent, separuh lainnya adalah semua sistem yang membungkus, mengendalikan, dan memandu model tersebut. Rumus yang paling umum beredar di industri adalah "Agent = Model + Harness", semua komponen selain model itu sendiri secara kolektif disebut sebagai Harness. Istilah bahasa Inggris "Harness" dalam konteks tradisional berarti "tali kekang" atau "alat kendali". Dalam dunia AI Agent, Harness Engineering mengacu pada arsitektur sistem lengkap yang dirancang di sekitar LLM (Large Language Model), yang bertanggung jawab mengelola seluruh siklus hidup Agent mulai dari penangkapan niat, kompilasi konteks, eksekusi alat, hingga verifikasi hasil. Membedahnya secara intuitif: Anda berkata kepada Claude, "Bantu saya memperbaiki bug di repo GitHub ini", dalam hal-hal yang terjadi selanjutnya, sebagian adalah pemikiran dan pembuatan oleh model Claude. Namun, ada bagian besar lainnya: Harness memasukkan catatan percakapan, struktur repo, daftar alat yang relevan, dan aturan izin ke dalam jendela konteks, mengirimkan kode yang dihasilkan Claude ke lingkungan eksekusi, mengirimkan hasil eksekusi kembali ke Claude, dan akhirnya melakukan tinjauan keamanan sebelum Anda mengonfirmasi. Semua "infrastruktur di luar model" inilah yang disebut Harness. Hubungannya dengan Prompt Engineering dan Context Engineering adalah bagian yang sering disalahpahami oleh banyak orang, cakupan ketiganya dapat dipahami sebagai lingkaran konsentris: - Prompt Engineering adalah lingkaran terkecil, meneliti cara menulis prompt tunggal yang baik - Context Engineering (Rekayasa Konteks) adalah lingkaran tengah, meneliti cara memasukkan informasi paling efektif ke dalam jendela konteks percakapan tunggal - Harness Engineering adalah lingkaran terbesar, mencakup dua hal sebelumnya, ditambah masalah rekayasa siklus hidup penuh seperti arsitektur sistem, integrasi alat, kontrol keamanan, dan manajemen memori, serta kolaborasi multi-Agent. Penjelasan sederhana untuk istilah-istilah ini: - Context Engineering (Rekayasa Konteks): Meneliti informasi apa yang harus dimasukkan ke dalam "memori kerja" AI, seperti membantu asisten menyiapkan semua materi latar belakang sebelum rapat, sehingga AI dapat langsung ke inti permasalahan pada kalimat pertama. - Harness Engineering (Rekayasa Harness): Context hanyalah salah satu bagian; Harness yang lengkap juga mencakup alat apa yang dapat digunakan AI, file mana yang dapat diubah, apa yang harus diingat lintas percakapan, dan bagaimana cara mencegat saat terjadi kesalahan. Ini adalah rekayasa untuk "membuat AI beroperasi dengan aman di lingkungan produksi". Blog teknik Anthropic pada akhir 2025 menyatakan dengan jelas: Agar Agent yang berjalan lama dapat bekerja dengan andal, desain rekayasa lebih penting daripada model itu sendiri. Untuk memahami kebangkitan Harness Engineering, kita harus melihat garis waktu ini: 26 November 2024, Anthropic secara resmi merilis MCP, standar terbuka bagi asisten AI untuk terhubung ke sistem data eksternal. Munculnya MCP membuat ekosistem alat tumbuh secara eksplosif, komunitas membangun ribuan MCP Server dalam beberapa bulan, menghubungkan AI ke database, editor kode, browser, Slack, GitHub, CRM, dan sistem lainnya. Namun, dengan banyaknya alat, cara mengelolanya menjadi masalah baru. Inilah titik awal di mana Harness Engineering sangat dibutuhkan dalam skala besar. Februari 2025, Claude Code diluncurkan dalam bentuk pratinjau penelitian. Skala alat ini mengejutkan industri: 1.884 file, 512K baris kode, 7 lapisan keamanan, 5 tahap Compaction, 54 alat, 27 peristiwa Hook, 4 mekanisme ekstensi, 7 mode Permission. Ini bukan sekadar asisten pengkodean AI, melainkan templat lengkap untuk Harness tingkat produksi. Mei 2025, versi resmi Claude Code

Status data✓ Teks lengkap telah diambilBaca artikel asli (動區 BlockTempo)

🔍Peristiwa serupa dalam sejarah· Pencocokan kata kunci + aset6 berita

2026-05-28

Apa itu IAO? Panduan Pemula Investasi AI Agent

Tingkat kemiripan 120%關鍵字是什麼同分類 zh

2026-05-27

Base meluncurkan tools MCP, memungkinkan AI Agent mengoperasikan dompet kripto secara langsung: transfer, tukar koin, dan cek saldo sekaligus

Tingkat kemiripan 120%關鍵字 agent同分類 zh

2026-05-26

Peneliti Google dan Meta bersuara bersama: keamanan AI Agent bukan masalah model, melainkan masalah sistem

Tingkat kemiripan 120%關鍵字 agent同分類 zh

2026-05-26