Китайский | Английский

Руководство по обучению инженерии по использованию

Архив глубокого обучения по инженерии участков, охватывающий всё — от концептуального понимания до самостоятельной практики

Обложка взята из самостоятельно созданного проекта склада PPT + poster — open-kimi-ppt skill generation, PPTD source и может быть отредактирована на том же складе

Предисловие

Это постоянно развивающийся учебный проект. Harness Engineering — это инженерная парадигма, предложенная OpenAI в феврале 2026 года: инженеры больше не пишут код, а проектируют среды, проясняют намерения и строят циклы обратной связи для надёжного завершения работы AI-агентов.

**Люди за рулём, агенты выполняют казни. **

Этот репозиторий фиксирует весь процесс обучения — от чтения оригинального текста, разбора концепций, формирования мышления, практической практики до создания работ. Надеюсь, это будет полезно для друзей, которые также интересуются инженерией ИИ.

Источник: OpenAI — Harness Engineering: использование кодекса в мире, где агент на первом месте

Примечание: Следующее распространение опыта не всегда применимо. Пожалуйста, применяйте его диалектически в вашей практике в зависимости от ситуации.

⚡ В двух словах

Трансформация ядра: Вывод инженеров смещается с кода на ограниченные системы — AGENTS.md, архитектурные правила, пользовательские линтери, петли обратной связи.

🧭 Шесть основных концепций

1. Склад как система учёта — Товары, отсутствующие на складе, не существуют для агента

Обсуждения в Slack, Google Docs, знания в мозге = невидимы для агентов. Все решения, стандарты и планы должны быть отправлены в склад в виде версионных артефактов.

→ См. concepts/01-repo-as-source-of-truth.md для подробностей

2. Карты, а не руководства — AGENTS.md являются страницами содержания, а не энциклопедиями

~100 строк файлов ввода, указывающих на более глубокие документы. Постепенное раскрытие: агенты начинают с небольших точек входа и получают указания, что искать дальше. Три причины смерти для больших файлов инструкций: перенасыщенность контекста, невозможность поддерживать их и невозможность механической проверки.

→ См. concepts/00-overview.md для подробностей

3. Механизированное исполнение — документация сгниёт, но правила по волонам — нет.

Пользовательский линтер + структурное тестирование = страж инвариантов. Встроены инструкции по устранению в сообщениях об ошибках линта, позволяющие агентам самостоятельно корректировать. Обеспечение границ на центральном уровне и предоставление автономии на локальном уровне.

→ Подробности см. concepts/02-mechanical-enforcement.md для подробностей

4. Читаемость агента — приоритет оптимизации способности агента к рассуждению

Выбирайте «скучные» методы (стабильный API и хорошее покрытие обучающих наборов). Иногда повторная реализация подмножеств более экономична, чем upstream-поведение с непрозрачными обертками. Дайте возможность приложениям начать использовать git-дерево работы.

→ См. concepts/04-agent-readability.md для подробностей