Harness и Ralph Loop: тип AI-агентов, который вытесняет всё остальное

Harness — новый класс AI-агентов, который работает с файлами, кодом и bash. Claude Code, Codex CLI, OpenClaw, DeepAgents — это всё harness. В этом докладе разбираем, как они устроены изнутри, чем отличаются от ReAct и scaffolding, и почему именно они сегодня вытесняют все остальные подходы. Дисклеймер по терминологии: само слово harness ещё не устоялось. Формально им можно назвать любого AI-агента, но в индустрии так всё чаще называют универсальных агентов, которые работают с файловой системой и кодом. Именно про такого «классического» harness'а здесь речь. Что разберём: — зачем понадобился новый термин и при чём тут упряжка — эволюция агентов: чистая LLM → ReAct → chains/scaffolding → harness → next step — из чего состоит современный harness: 4 базовых tools, runtime loop, context management — как мы в Сбере выбирали harness под GigaChat, почему остановились на DeepAgents и сделали свой профиль адаптации — наш бенчмарк harness-bench-fast + автоулучшение через AutoResearch Карпатого: +22.5 п.п. качества за выходные — Дальнейшее развитие: Ralph Loop, backpressure, Meta Loop как защита от схлапывания LLM — Anima SDK: как бороться со схлапыванием и что получилось, когда агент 5 дней искал у себя сознание Таймкоды: 00:00 — вступление 00:25 — что такое harness и при чём тут упряжка 01:32 — эволюция агентов: LLM → ReAct → цепочки → scaffolding → harness 04:33 — что дальше: ReALF Loop, Dark Factory, агенты 24/7 05:20 — почему no-code тихо умирает 05:45 — что внутри harness'а и 4 базовых tools 08:45 — компоненты: system prompt, runtime loop, контекст-менеджмент, UI 10:53 — сколько harness'ов в мире 11:07 — зачем Сберу свой harness 12:06 — DeepAgents от LangChain и интеграция с GigaChat 12:53 — бенчмарки и сравнение с Claude Code 14:36 — профили адаптации под модель 15:29 — свой бенчмарк + автоулучшение через AutoResearch Карпатого 17:34 — валидация на других бенчмарках 18:52 — harness в bash-цикле (Ralph Loop), что такое backpressure 21:04 — проблема схлапывания LLM и Meta Loop как способ её решить 22:11 — Anima SDK: агент в поисках сознания 23:16 — где этот подход полезен на практике Материалы и репозитории: — Anima SDK: https://github.com/Rai220/anima_sdk — harness-bench-fast: https://github.com/ai-forever/harness-bench-fast — DeepAgents: https://github.com/langchain-ai/deepagents — Ralph Loop, Geoffrey Huntley: https://ghuntley.com/ralph/ Контакты: — Telegram: https://t.me/robofuture — GitHub: https://github.com/Rai220 — Сайт: https://rai220.github.io KRESTNIKOV — канал про инженерную сторону AI-агентов: архитектура, код, инструменты, open source. Без магии, без хайпа — собираем агентов руками. #AIагенты #harness #ClaudeCode #GigaChat #OpenClaw #Hermes