Agent Harness چیه و چرا برای UX مهمه؟
خلاصهٔ کاملتر
مقاله با یک مثال ساده شروع میکنه: دو دستیار زمانبندی جلسه که هر دو از یک مدل هوش مصنوعی استفاده میکنن. یکی فقط میتونه متن دستور جلسه رو ویرایش کنه، ولی اون یکی تقویم مهمونها رو چک میکنه، وقت خالی پیدا میکنه و دعوتنامه میفرسته. به گفتهٔ نویسنده، فرق این دوتا تو agent harness هست، یعنی نرمافزاری که دور مدل پیچیده شده و حلقهٔ اجرای اون رو میچرخونه.
مدل زبانی خودش فقط متن تولید میکنه. میتونه یک درخواست ساختاریافته بنویسه که «تقویم رو چک کن»، ولی خودش نمیتونه این کارو انجام بده. harness این درخواست رو میگیره، مجوزها رو بررسی میکنه، ابزار مربوط رو صدا میزنه و نتیجه رو به مدل برمیگردونه. به این چرخهٔ درخواست، اجرا و نتیجه میگن execution loop و همین حلقهست که یک چتبات ساده رو به یک AI agent تبدیل میکنه که میتونه یک کار رو تا آخر پیش ببره.
به جز چرخوندن حلقه، harness سه کار اصلی دیگه هم داره. اول فراهم کردن context: درخواست کاربر، دستورهای توسعهدهنده، پیامهای قبلی و ترجیحات ذخیرهشده رو کنار هم میذاره. اگه مثلاً ترجیح «جمعهها جلسه نذار» به مدل نرسه، دستیار همون روز رو پیشنهاد میده و کاربر مجبوره دوباره توضیح بده. حتی نحوهٔ ارائهٔ اطلاعات هم مهمه: یک محصول ممکنه از PDF فقط متن رو دربیاره و یکی دیگه صفحهها رو تصویر هم بکنه، و مدلی که فقط متن دیده رابطههای بصری رو از دست میده.
دوم وصل کردن ابزارها و اعمال مجوزها: harness تعیین میکنه مدل از کدوم ابزارها استفاده کنه و کجا باید از کاربر تأیید بگیره. خوندن تقویم و فرستادن دعوتنامه میتونن مجوزهای جدا داشته باشن. نکتهٔ مهم اینه که تأیید harness محدودیتهای خود اپلیکیشن متصل رو دور نمیزنه. سوم دستورالعملها و محدودیتها: سقف زمان، هزینه و تعداد قدمها. مثلاً اگه هیچ وقتی برای همه پیدا نشه، بدون محدودیت ممکنه مدل مدام جستجوی جدید بکنه؛ تیم محصول باید تصمیم بگیره کی بایسته، کی سؤال بپرسه و کی تداخل رو توضیح بده.
نویسنده معتقده تصمیمهای harness مستقیماً روی UX اثر دارن. توصیهش برای سه موقعیت اینه: موقع انتخاب ابزار، فقط به اسم مدل نگاه نکن و اتصالها، مجوزها و محدودیتها رو چک کن. موقع طراحی، رفتار سیستم رو هم کنار صفحه مشخص کن، مثلاً اگه کاربر کار رو کنسل کنه چی متوقف میشه و با کارهای انجامشده چی میشه. موقع ارزیابی (AI evals)، کل کار رو با context و مجوزهای واقعی تست کن، حتی سناریوهایی مثل قطع شدن اتصال تقویم، و وقتی چیزی خراب شد بفهم مشکل از رابط کاربری بوده، از harness یا از خود مدل.
نکات کلیدی:
- agent harness نرمافزاریه که بین مدل و ابزارها قرار میگیره و execution loop رو اجرا میکنه.
- دو محصول با یک مدل یکسان، بسته به harness، تواناییهای خیلی متفاوتی دارن.
- harness تعیین میکنه چه contextای به مدل برسه؛ اطلاعات ذخیرهشده فقط وقتی به درد میخوره که به مدل داده بشه.
- تأیید گرفتن در harness، محدودیتهای دسترسی اپلیکیشن متصل رو لغو نمیکنه.
- برای ارزیابی محصولات AI باید کل کار با ابزارها و مجوزهای واقعی تست بشه، نه فقط کیفیت متن خروجی.




