
FullStack. Engineer LVL 39 ex-@pixcompstudio opinion are my own
Skypiea
Joined February 2008
- Tweets24.8K
- Following970
- Followers707
- Likes14.5K
Le toco a java tambien
🚨We urge orgs to immediately patch the recently disclosed Oracle Java vuln CVE-2026-114938. This critical memory-corruption vulnerability, known as “Java4Shell,” affects the Base64 decoder of the x86-64 HotSpot JVM, part of the Java Development Kit. 🔗go.dhs.gov/5CC
1
15
Time Lord retweeted
🚀 گوگل یک PDF نهصفحهای درباره Harness Engineering منتشر کرده؛ مفهومی که به نظرم باید هر کسی که با AI Agent کار میکند، جدی بگیرد.
فرمول اصلی ساده است:
Agent = Model + Harness
یعنی مدل هوش مصنوعی بهتنهایی ایجنت نیست. چیزی که آن را به یک نیروی اجرایی قابلاعتماد تبدیل میکند، زیرساختی است که دور آن میسازیم.
اما این زیرساخت از چه چیزهایی تشکیل میشود؟
۱. Guides: قوانین و دستورالعملهایی که تجربه شکستهای قبلی را به دانش دائمی تبدیل میکنند.
۲. Sensors: تستها، Linterها و ابزارهای اعتبارسنجی که اجازه نمیدهند هر خروجی اشتباهی به مرحله بعد برود.
۳. Agentic Loop: چرخه برنامهریزی، اجرا، بررسی و اصلاح؛ با محدودیت بودجه و امکان ارجاع به انسان.
۴. External Memory: حافظهای خارج از مدل برای حفظ تصمیمها، وضعیت پروژه و دستاوردهای جلسات قبلی.
۵. Permissions: کنترل دسترسی ایجنت به ابزارها و تعیین مرز استقلال آن.
۶. Observability: ثبت و پایش تمام فعالیتها، هزینهها، خطاها و تلاشهای مجدد.
اما داستان اینجا تمام نمیشود!
چند پروژه متنباز برای ورود عملی به این حوزه:
🔹 Google Harness²
github.com/google-research/h…
🔹 Learn Harness Engineering
github.com/walkinglabs/learn…
🔹 Awesome Agent Harness
github.com/Gloriaameng/Aweso…
🔹 Harness Engineering
github.com/TrishamBP/harness…
و حالا یک مفهوم جذابتر:
Graph Engineering
تصور کن چند ایجنت مستقل داشته باشی که هرکدام Harness مخصوص خودشان را دارند.
یکی تحقیق میکند، دیگری تحلیل میکند، سومی کدنویسی میکند و چهارمی خروجی را اعتبارسنجی میکند.
حالا اگر یکی شکست بخورد، شکستش میتواند به سیگنالی برای اصلاح عملکرد بقیه تبدیل شود.
اینجا دیگر با یک چتبات یا ایجنت ساده طرف نیستیم؛ با یک سیستم اجرایی چندایجنتی روبهرو هستیم.
یک نکته که نباید فراموش کنیم:
Hermes را میتوان بهعنوان محیط اجرای ایجنت در نظر گرفت؛ جایی که ابزارها، مهارتها، حافظه و گردشکارها کنار هم قرار میگیرند.
Harness Engineering کمک میکند این محیط را قابلکنترل، قابلاندازهگیری و قابلاعتماد کنیم.
به نظرم آینده متعلق به کسانی نیست که صرفاً مدل قویتری انتخاب میکنند؛ بلکه متعلق به کسانی است که سیستم بهتری دور مدل میسازند.
مدل، مغز است؛ Harness، سیستم اجرایی؛ و Graph، شبکه همکاری مغزهاست.
encontre esta app para startups parace buena pa darle. una miradilla
github.com/macro-inc/macro
1
45
hay un poco de texto escrito a mano en tu texto generado por IA linkedin.com/feed/update/urn…
20






