Harness Engineering — полный курс на русском
Как заставить AI-агента писать код надёжно. Не «какую модель выбрать», а как спроектировать вокруг неё рабочую систему: инструкции, инструменты, среду, состояние и верификацию.
Курс — от нуля до продвинутых тем: теоретическая база из 11 блоков, 14 модулей, 8 практических проектов, 14 лабораторных работ, задачник из 60 задач с разборами, 13 схем, исполняемый набор тестов для вашей обвязки, диагностический протокол «как починить агента», библиотека готовых шаблонов, карта инструментов, 40 приёмов и каталог антипаттернов.
Главный тезис курса: способность модели и надёжность исполнения — это две разные вещи. Одна и та же модель в «голой» среде и в среде с продуманным harness даёт качественно разные результаты. Апгрейд модели — самый дорогой и обычно не самый эффективный способ починить агента.
Популярные ресурсы по Машинному Обучению, ИИ и анализу данных
🧠 Machine Learning — авторский Telegram-канал, который содержит всю базу для работы с ИИ-моделями. Дайджесты лучших проектов, разбор кода, инструкции по запуску LLM, подготовка к собесу и многое другое.
📚 Data Science — редкая литература, статьи, курсы и уникальные гайды для мл-специалистов любого уровня. Читайте, развивайтесь, практикуйте.
💼 Machine Interview — это база с 1900 вопросами с собеседований по машинному обучению. Вы легко получите оффер, изучив популярные вопросы.
🔥 Целая папка супер полезных ресурсов по ИИ
Оглавление
Введение
Часть 0. Теоретическая база
Часть I. Фундамент
Часть II. Состояние и время
Часть III. Скоуп и дисциплина
Часть IV. Верификация
Часть V. Эксплуатация
Часть VI. Автономия
Практика и справочники
Что такое harness
Harness (буквально «упряжь») — всё, что находится за пределами весов модели и определяет, какая часть её способностей реально проявится в вашем проекте.
Если это не веса модели — это harness:
- файлы инструкций (
AGENTS.md, CLAUDE.md, .cursorrules, skills);
- доступные инструменты (shell, тесты, линтер, браузер, MCP-коннекторы);
- среда исполнения (версии рантайма, залоченные зависимости, контейнеры, worktree);
- управление состоянием (файлы прогресса, логи решений, git-чекпоинты, handoff);
- петли обратной связи (команды верификации, E2E-тесты, независимый оценщик, рубрики).
Метафора, которая помогает: породистая лошадь без упряжи далеко не уедет. Модель — это лошадь. Harness — седло, узда, стремена и подковы. Апгрейд лошади не отменяет необходимости упряжи.
Диагностическое правило №1: когда агент сломался — сначала проверяйте harness, потом модель. Если та же модель успешно решает похожие задачи в хорошо структурированных репозиториях, проблема почти наверняка в вашей среде, а не в её способностях.
Это не Harness.io
Важное уточнение, потому что путаница возникает постоянно: Harness.io — это коммерческая CI/CD-платформа. Этот курс — не о ней. Здесь речь о harness engineering — инженерной дисциплине проектирования окружения для AI-кодинг-агентов (Claude Code, OpenAI Codex, Cursor, Gemini CLI, Aider и т. п.).
Кому нужен курс и как его проходить
Курс для вас, если вы:
- используете AI-агента для кодинга и получаете нестабильный результат;
- хотите, чтобы агент работал часами и сессиями, а не 10 минут под присмотром;
- строите внутренний инструмент/платформу вокруг агентов;
- отвечаете за то, чтобы код, написанный агентом, можно было мержить без страха;
- хотите перейти от «пишу промпты» к «проектирую систему, которая пишет промпты».
Предварительные требования: git, командная строка, любой опыт с одним из кодинг-агентов. Знание ML не нужно вообще.
Три трека прохождения
| Трек |
Время |
Что делать |
| Спринт (полдня) |
3–4 ч |
Быстрый старт → диагностический протокол → модули 1, 2, 4, 8, 9 → лабораторные Л3, Л8, Л7, Л11 |
| Основной (2 недели) |
~20 ч |
Часть 0 (блоки Т1–Т5, Т7, Т8) → модули 1–12 подряд → после каждого блока соответствующий проект и связанные лабораторные |
| Полный (6 недель) |
~60 ч |
Вся Часть 0 → все 14 модулей → все 8 проектов → все 14 лабораторных → собственный capstone на рабочем репозитории |
| Диагностика (30 минут) |
0,5 ч |
Только протокол ремонта: подходит, если агент уже сломан и разбираться в теории некогда |
Схема 1. Карта маршрута обучения
flowchart TD
S(["Агент работает нестабильно"]) --> Q{"Сломано прямо сейчас?"}
Q -- "да" --> D["Диагностический протокол<br/>30 минут"]
Q -- "нет" --> B["Быстрый старт<br/>4 файла, 30 минут"]
D --> B
B --> T0["Часть 0<br/>теоретическая база"]
T0 --> C1["Части I-III<br/>фундамент, состояние, скоуп"]
C1 --> C2["Части IV-V<br/>верификация и эксплуатация"]
C2 --> G{"Метрики стабильно зелёные?"}
G -- "нет" --> LAB["Лабораторные Л1-Л14<br/>замеры до и после"]
LAB --> C2
G -- "да" --> C3["Часть VI<br/>автономия и графы"]
C3 --> P["8 проектов + задачник"]
P --> OWN(["Свой capstone<br/>на рабочем репозитории"])
Как учиться правильно. Каждый модуль устроен одинаково: симптом → механика → понятия → что делать → замер. Не переходите к следующему модулю, пока не сделали замер на своём проекте. Harness engineering — эмпирическая дисциплина: без цифр вы не отличите улучшение от самообмана.
Быстрый старт: минимальный harness за 30 минут
Четыре файла дают львиную долю эффекта. Сделайте их прямо сейчас, до чтения теории.
Шаг 1. AGENTS.md в корне репозитория (10 минут)
# AGENTS.md
## Проект
Backend платежей. Python 3.11, FastAPI, PostgreSQL 15, Redis 7.
## Команды
- Установка: `make setup`
- Запуск: `make dev`
- Тесты: `make test`
- Полная верификация: `make check` # tests + types + lint
## Жёсткие ограничения (MUST)
- Все эндпоинты — только через OAuth 2.0.
- Только синтаксис SQLAlchemy 2.0 (`select()`, не `Query`).
- Все SQL — параметризованные запросы. Никогда не склеивать строки.
- Никогда не `eval()`, `exec()`, `pickle.loads()` на внешних данных.
- Нельзя менять `migrations/` без отдельного разрешения.
## Definition of Done
Фича готова = `make check` зелёный + E2E-сценарий фичи проходит.
«Код написан» — это не готово.
## Правила работы
- Одна фича за раз. Не начинать вторую, пока первая не прошла верификацию.
- Никакого рефакторинга «заодно», пока основная фича не проверена.
- Перед завершением сессии обновить `PROGRESS.md`.
## Куда смотреть подробности
- `docs/api-patterns.md` — обязательно при добавлении эндпоинта
- `docs/db-rules.md` — обязательно при изменении моделей и миграций
- `docs/testing.md` — при написании тестов
Правило: 50–150 строк, не больше. Всё остальное — в docs/.
Шаг 2. feature_list.json (7 минут)
[
{
"id": "F01",
"behavior": "POST /api/cart/items с {product_id, quantity} возвращает 201 и товар в корзине",
"verification": "pytest tests/e2e/test_cart.py::test_add_item",
"state": "passing",
"evidence": "commit a1b2c3d, 4 passed"
},
{
"id": "F02",
"behavior": "GET /api/cart возвращает корзину с итоговой суммой",
"verification": "pytest tests/e2e/test_cart.py::test_get_cart",
"state": "active",
"evidence": null
},
{
"id": "F03",
"behavior": "POST /api/checkout создаёт заказ и очищает корзину",
"verification": "pytest tests/e2e/test_checkout.py",
"state": "not_started",
"evidence": null
}
]
Состояний ровно четыре: not_started, active, blocked, passing. Агент не имеет права ставить passing сам — только скрипт верификации.
Шаг 3. PROGRESS.md (5 минут)
# Прогресс
## Состояние на сейчас
- Коммит: a1b2c3d
- Тесты: 42/43 (падает test_pagination_empty)
- Линт/типы: чисто
- Активная фича: F02
## Сделано
- [x] F01 — добавление товара в корзину (passing)
## В работе
- [ ] F02 — получение корзины (90%, не сходится расчёт скидки)
## Заблокировано
- F05 — ждём доступ к sandbox платёжного провайдера
## Решения этой сессии
- Итоговая сумма считается на сервере, не на клиенте — клиенту нельзя доверять цены.
## Следующие шаги
1. Починить расчёт скидки в `services/cart.py:total()`
2. Прогнать `make check`
3. Начать F03
Шаг 4. make check (8 минут)
setup:
uv sync
dev:
uv run uvicorn app.main:app --reload
test:
uv run pytest -x -q
types:
uv run mypy src --strict
lint:
uv run ruff check src
e2e:
uv run pytest tests/e2e -q
check: lint types test e2e
@echo "ALL CHECKS PASSED"
Одна команда, один зелёный/красный ответ. Это самая высокорентабельная часть harness.
Проверка результата: тест холодного старта
Откройте новую сессию агента, ничего не объясняйте голосом и задайте пять вопросов:
- Что это за система и зачем она?
- Как её запустить?
- Как её проверить (какие команды)?
- Какие правила нельзя нарушать?
- Где сейчас работа �
一套完整讲述 harness 工程（配套工程）的课程（以俄语编写）：讲解如何围绕 AI 编程智能体设计整个系统——包括指令、工具、环境、状态和验证——让它能稳定可靠地写出代码。