Harness Engineering
Выйдите за пределы Prompt Engineering и Context Engineering — освойте парадигму 2026 года для построения надёжных систем AI-агентов
Один ключ для Claude, GPT и китайских моделей — попробуйте описанное на этой странице на практике.
- Оплата по токенам — актуальные цены на /models
- Оплата через СБП, российскими картами, картами Visa / Mastercard или криптовалютой
- Самообслуживание: после пополнения тариф активируется мгновенно
Обновлено 2026-11-07
Три поколения инженерных парадигм
От «как писать лучшие промпты» к «как строить надёжные системы агентов»
Prompt Engineering
Фокус на создании лучших входных инструкций
Context Engineering
Проектирование того, что модель «видит» — память, инструменты, документы
Harness Engineering
Проектирование полной среды выполнения агента: ограничения, петли обратной связи, управление жизненным циклом
Ключевая формула: Agent = Model + Harness
Если вы не модель, вы — часть Harness. Harness — вся инфраструктура, обеспечивающая надёжную работу AI-агента: CLAUDE.md, MCP-инструменты, автоматизация Hooks, ограничения доступа, механизмы обратной связи.
Agent
Model
Harness
Четыре компонента Harness
Ограничения (Constraints)
Определяют, что агент может и не может делать. Настройки прав Claude Code, контроль доступа к инструментам, спецификации проекта в CLAUDE.md
Петли обратной связи (Feedback Loops)
Сообщают агенту об успехе или провале задач. Результаты тестов, линтинг кода, CI/CD-сигналы, контрольные точки проверки людьми
Контекстные строительные леса (Context Scaffolding)
Предоставляют агенту именно нужную информацию. Память проекта CLAUDE.md, интеграция MCP-инструментов, RAG-поиск документов
Управление жизненным циклом (Lifecycle Management)
Управление запуском, выполнением и остановкой агента. Автоматизация Hooks, очереди задач, обработка ошибок, сохранение сессий
Командный тариф QCode: готовая инфраструктура Harness
Командный тариф QCode предоставляет независимую панель администратора, управление правами суб-API-ключей и мониторинг использования — полноценный Harness из коробки. Команда фокусируется на бизнес-логике, а не на инфраструктуре.
Начните строить свой AI HarnessHarness engineering на практике: откуда термин, из чего состоит harness и с чего начать
Откуда взялся термин
Harness engineering — это работа над всем, что окружает модель и позволяет агенту надёжно выполнять задачи (harness — «обвязка» вокруг модели). 2026-02-11 OpenAI опубликовала статью Harness engineering: leveraging Codex in an agent-first world о команде, которая создала внутренний продукт с помощью Codex без единой строки кода, написанной вручную. Её главный тезис — Humans steer. Agents execute., а основной работой команды, по словам авторов, стало design environments, specify intent, and build feedback loops that allow Codex agents to do reliable work.
Anthropic использует то же слово. Инженерная статья Effective harnesses for long-running agents, опубликованная 2025-11-26, называет Claude Agent SDK a powerful, general-purpose agent harness, а пост в блоге Claude от 2026-06-02 говорит, что с динамическими воркфлоу Claude теперь может write its own harness on the fly.
Четыре приёма из статьи OpenAI
Статья также предупреждает: такие результаты сильно зависят от структуры и инструментов конкретного репозитория, и без сопоставимых вложений не стоит рассчитывать, что они переносятся на другие проекты.
- Карта, а не инструкция: AGENTS.md должен быть коротким (у OpenAI — около 100 строк) и служить оглавлением со ссылками на подробные документы в репозитории. Формулировка статьи: give Codex a map, not a 1,000-page instruction manual.
- Репозиторий — единственный источник истины: всё, к чему агент не может обратиться в контексте во время работы, для него фактически не существует, поэтому проектные документы, планы выполнения и список техдолга версионируются в репозитории.
- Архитектура под механическим контролем: собственные линтеры и структурные тесты следят за направлением зависимостей, структурированным логированием и лимитами размера файлов, а в сообщения об ошибках линтера прямо вписаны инструкции по исправлению для агента.
- Постоянная «сборка мусора»: «золотые принципы» записаны в репозитории, а регулярные фоновые задачи Codex ищут отклонения и открывают небольшие pull request с рефакторингом.
Harness Anthropic для долгих задач
Подход Anthropic состоит из двух частей. При первом запуске initializer agent готовит окружение: скрипт init.sh, файл claude-progress.txt с журналом того, что сделали агенты, и первый git-коммит. В каждой следующей сессии coding agent продвигается постепенно, по одной функции за раз, и в конце оставляет git-коммит и обновлённый журнал прогресса.
Список функций хранится в JSON: по словам статьи, модель реже неуместно меняет или перезаписывает JSON-файлы, чем Markdown. Каждая функция сначала помечена как failing и становится passing только после тщательной проверки. Статья также сообщает, что инструменты тестирования вроде автоматизации браузера и просьба проверять всё сквозным образом, как это сделал бы пользователь, заметно улучшили результаты Claude.
Первый harness в Claude Code или Codex
Всё это локальная настройка, и она работает одинаково с любым сервисом моделей. С QCode Claude Code и Claude Agent SDK используют ANTHROPIC_BASE_URL=https://api.qcode.cc/api, Codex — base_url = https://api.qcode.cc/openai в config.toml, а один ключ, начинающийся с cr_, подходит для обоих. Оплата по токенам, цены моделей — на /models.
- Инструкции: Claude Code читает CLAUDE.md в начале каждой сессии (черновик создаёт /init); Codex читает AGENTS.md: ~/.codex/AGENTS.md — глобальный уровень, файлы проекта накладываются поверх, общий лимит по умолчанию — 32 KiB.
- Ограничения: правила разрешений Claude Code проверяются в порядке deny, затем ask, затем allow; в Codex песочница и режим подтверждений задаются в родительской сессии, а субагенты их наследуют.
- Обратная связь: hooks в Claude Code срабатывают в точках вроде PreToolUse, PostToolUse и Stop, и hook PreToolUse, завершившийся с кодом 2, блокирует вызов инструмента; в Codex тоже есть hooks PreToolUse, PostToolUse и Stop.
- Повторное использование: оформите устойчивую процедуру как skill (файл SKILL.md) или поручите Claude Code собрать harness под задачу с помощью динамического воркфлоу.
- Преемственность: как у Anthropic, ведите файл прогресса и git-коммиты, чтобы следующая сессия продолжила с того места, где остановилась предыдущая.
Частые вопросы о harness engineering
Что такое harness engineering?
Проектирование среды, в которой работает ИИ-агент, чтобы он стабильно выдавал надёжный результат: инструкции, которые он читает, доступные инструменты и права, обратная связь вроде тестов и линтеров и способ записывать прогресс между сессиями. OpenAI вынесла этот термин в заголовок статьи от 2026-02-11 — Harness engineering: leveraging Codex in an agent-first world.
Чем harness engineering отличается от prompt engineering и context engineering?
Prompt engineering отвечает за формулировку инструкций, context engineering — за то, что видит модель. Harness engineering охватывает всю рабочую среду: ограничения, петли обратной связи, память между сессиями и управление жизненным циклом. В формулировке OpenAI работа инженеров смещается к проектированию среды, уточнению намерений и построению петель обратной связи.
Сам Claude Code — это harness?
Да. Инженерный блог Anthropic называет Claude Agent SDK универсальным agent harness, а блог Claude пишет, что стандартный harness Claude Code создан для программирования. То, что вы добавляете поверх, — CLAUDE.md, права, hooks, skills и воркфлоу, — и есть собственный harness вашего проекта.
Из чего состоит harness?
Практический чек-лист: файл инструкций (CLAUDE.md или AGENTS.md), который служит картой; правила разрешений или песочница; обратная связь от тестов, линтеров, CI и hooks; файл прогресса и история git, чтобы новая сессия быстро вошла в курс дела; и повторно используемые процедуры — skills или сохранённые воркфлоу.
С чего начать?
Напишите короткий CLAUDE.md или AGENTS.md со ссылками на подробные документы, добавьте hook или проверку в CI, которая запускает тесты, разбейте работу по принципу одна функция на сессию и заведите файл прогресса, который агент обновляет в конце каждой сессии. Добавляйте структуру, когда увидите, что агент ошибается повторяемым образом.
Как оплатить QCode из России для Claude Code и Codex?
Российскими банковскими картами и через СБП, без зарубежной кредитной карты; также принимаются карты Visa / Mastercard, Apple Pay, Google Pay, Alipay, WeChat Pay и криптовалюта (несколько монет и сетей). Один ключ даёт доступ к Claude, GPT и ведущим китайским моделям; подключение самостоятельное и занимает несколько минут.
Начните строить свой AI Harness
Командный тариф QCode предоставляет независимую панель администратора, управление правами суб-API-ключей и мониторинг использования — полноценный Harness из коробки. Команда фокусируется на бизнес-логике, а не на инфраструктуре.