Почему ваш coding agent не всегда следует вашим правилам
Your coding agent doesn't always follow your rules
Заявление агента о завершении задачи нужно проверять детерминированными проверками, встроенными в harness, а не вручную.
- Проверка по hooks — спикер показывает свой публичный инструмент Vector Harness: Claude Code hooks запускают проверки по окончании сессии, конфиг описывает тесты, а при провале агента просят повторить попытку.
- Проверки на всех уровнях — по словам спикера, их можно запускать в конце диалога, перед коммитом, внутри multi-agent workflow, для асинхронных агентов и для LLM-as-a-judge там, где детерминированно не проверить. Логика проверок задаётся командой, а контракт на входе и выходе один.
- Стоимость модели — хорошие guardrails, по словам спикера, позволяют взять более дешёвую модель вроде Haiku или открытую, а деньги переходят в настройку harness.
- Сдвиг ценности — спикер считает, что ценность смещается от написанного кода к системе верификации, и тот же подход видит в Executor/Advisor от Anthropic и в harness engineering от OpenAI.
Кому полезно: тем, кто запускает coding агентов на реальной кодовой базе и устал перепроверять их результат вручную.
Статья по теме
Главы
Похожие доклады
Как в Anthropic ежедневно мержат 30 000 изменений кода
Близко по содержанию
А что, если harness важнее модели?
AI Engineer World's Fair 2026
Близко по содержанию
Агенты для разработки ПО: что работает, а что нет
AI Engineer World's Fair 2025
Близко по содержанию
Почему программные фабрики терпят неудачу
AI Engineer World's Fair 2026
Близко по содержанию

