Podcasts · Research Insights Made Simple

Проектирование обвязки для длительной (автономной) разработки приложений

9 Oct 2026 · 42 min · Episode 36

Как организовать работу кодингового агента, чтобы он мог несколько часов создавать приложение, проверять результат и исправлять ошибки?

Продолжаем серию про инженерную обвязку агентов. И здесь мы разберём статью Anthropic Harness design for long-running application development. Её автор экспериментирует с разделением планирования, разработки и оценки результата.

В прямом эфире обсудим: - Как устроены роли planner, generator и evaluator. - Зачем до написания кода согласовывать критерии готовности и как проверять работающее приложение. - Можно ли формализовать вкус при оценке дизайна и насколько надёжен отдельный агент-критик. - Сколько стоят дополнительные итерации и что показывают приведённые сравнения. - Почему с усилением моделей некоторые части обвязки становятся лишними.

А в конце поговорим о следующем шаге: сможет ли агент сам улучшать собственный harness — и кто тогда будет проверять эти улучшения?

Timeline 00:00 - Четвёртый разбор обвязок: приложения по одному запросу 01:33 - Две задачи Anthropic Labs 03:04 - Идея из GAN: отдельный критик 06:22 - Предел контекста и снисходительная самооценка 08:10 - Сжатие, сброс и стоимость передачи работы 12:40 - Четыре критерия качества дизайна 15:00 - Итерации фронтенда и выбор варианта 17:16 - Планировщик, генератор и оценщик 18:39 - Контракт спринта до реализации 20:32 - Ретро-игры: двадцать минут против шести часов 23:40 - Почему проверяющему нужна настройка 25:43 - Opus 4.6: проверка и упрощение компонентов 30:46 - Звуковая станция и оценщик, который не слышит 34:41 - Автономность и внешний контроль риска 38:56 - Журнал событий и дальнейшая эволюция обвязки

The episode on the publisher’s site ↗ (opens in a new tab)