Hacker News Digest

Harness — набор ремней и карабинов, который держит альпиниста, предотвращает падения и позволяет управлять движением по стене. Как и в скалолазании, где карабины и верёвки регулируют темп и маршрут, в AI‑агентах используется «агент‑гарнир», программный слой, связывающий модель с набором инструментов и правилами поведения.

Главная идея: агент‑гарнир — это программный «костюм», в котором работает искусственный интеллект. Он задаёт системный промпт (правила поведения), предоставляет доступ к внешним инструментам (API, файлы, скрипты) и формирует «агент‑цикл», позволяющий модели планировать, действовать и получать обратную связь. В отличие от готовых моделей, такие гарниры можно настроить под свои нужды: менять инструкции, добавлять новые функции или разворачивать их на собственном устройстве.

Яркие детали:

• В скалолазании один и тот же набор ремней используется как на скале, так и в деревьях арбористов.
• В AI‑мире более 5 000 пользовательских расширений к открытому‑исходному «Pi», демонстрируя гибкость и сообщество.
• Открытые нейтральные гарниры (OpenClaw, Hermes, Pi) дают возможность избежать монополий крупных компаний и сохранить контроль над собственными данными.

Понимание структуры и функций агент‑гарнира раскрывает, как современные ИИ‑агенты работают в реальном времени и почему они становятся инструментом личной агентности, а не лишь продуктом корпораций.

Харнесс — это операционная среда, которая превращает вывод LLM в выполнимые действия: фильтрует вывод, исполняет команды, возвращает результаты в контекст и управляет поведением модели. Его ценность — не в функционале как таковом, а в способности компенсировать слабости модели, обеспечивать гибкость и адаптацию под задачи без переписывания модели. Харнесс настраивают, а не строят: изменение промптов, инструментов и навыков — это его использование. Лучшие харнессы минималистичны — полагаются на сильную модель и дают лишь необходимые рамки и инструменты (как Pi и Smol). Внутренние CLI-инструменты критичны: они позволяют агентам работать с реальными данными без жесткой привязки к предопределённым навыкам. Харнессы станут ключевыми для корпоративных агентов — как внутренние приложения с разными уровнями доступа, MCPs и API, адаптированными под роли. Они должны поддерживать передачу контекста между средами: CLI ↔ веб, устройства, модели, пользователи — это нереализованная потребность. Харнесс — как седло и поводья для лошади: он управляет, направляет и соединяет, но не заменяет силу модели. Он позволяет агентам работать в изолированных средах (VM, локальные GPU, Tailscale), сохраняя контекст и возможность продолжения задачи. Спор: один видит в харнессе будущее ценности (как электронику), другой — что ценность в железе и LLM, а харнесс станет товаром. Большинство существующих решений не компенсируют плохое поведение модели — ошибки вызовов, отсутствие логики. Совет: не пишите длинные навыки — давайте агенту инструменты и рамки, чтобы он сам рассуждал (как бухгалтерские агенты).

Главная мысль: вместо использования радиан и даже ту (tau) можно избавиться от любого упоминания круга в коде, перейдя к «оборачиваниям» (turns) — единицы, где полный оборот = 1. Это упрощает формулы: вместо sin(h * 2π) достаточно передать h в функцию, которая уже работает с половинным оборотом (например, sincospi).

Яркий факт: в AVX2‑реализации sin входное значение умножают на 4/π ≈ 1.27323954473516, то есть наоборот «переводят» из полного круга в радианы, а затем библиотека делит на то же самое — лишняя операция, которую можно убрать, если избавиться от радиан.

Если же нужна совместимость с устаревшим кодом, достаточно добавить обёртки, которые преобразуют старые радианные вызовы в новые «оборачивающие» функции, а в остальных местах просто удалить мультипликацию на π или τ. Такой переход требует лишь нескольких строк изменений и делает код чище и понятнее.

Тред обсуждает использование turns (обороты) вместо радиан в математике и программировании. Радианы — естественная единица для анализа: переход на turns ломает формулу Эйлера (требует замены e на ~535.49) и вносит множители 2π во все производные и ряды Тейлора, усложняя вычисления. Для малых углов радианы эффективнее: ряды Тейлора для turns требуют дополнительных умножений на 2π, снижая точность и скорость. В программировании turns полезны для избежания ошибок округления: sin(0.5) в turns может быть точно нулём, в то время как sin(π) в радианах даёт ~1.2e-16. В играх и DSP (Pico-8, 8-битные системы) широко используются turns (0–1) или BRADs (0–255) для упрощения логики. Fortran 2023 вводит SINPI/COSPI, работающие с половинами оборотов, легитимизируя отказ от явного умножения на π. В артиллерии применяют 'mil' (6400 в круге) для прямого перевода смещения в метрах в поправку прицела. Для turns рекомендуется фиксированная запятая (16+16 бит) с быстрым целочисленным AND для обертки углов. Проблема единиц решается типизацией: создание типа Angle, принимающего turns, минуты, секунды, избавляет от согласования форматов. Противники turns подчеркивают, что радианы связывают угол с длиной дуги, а в DSP и физике входы часто не геометрические. Вопрос: можно ли компилятору автоматически устранять умножение/деление на π при конверсии между turns и радианами без сложных доказательств.

Pi — это лёгкий, но мощный фреймворк для агентного программирования, который сознательно отказывается от «тяжёлых» системных промптов и множества встроенных инструментов. Его ядро состоит всего из четырёх базовых средств, а полный набор инструкций и описаний укладывается в менее 1 000 токенов. Такая «контекстная дисциплина» позволяет модели работать в узком рабочем пространстве, экономя ресурсы и ускоряя выполнение.

В независимых исследованиях, включая оценку Databricks на многомиллионной кодовой базе, Pi продемонстрировал наивысший проходной коэффициент при значительно меньшей стоимости за задачу по сравнению с Claude Code и Codex. Аналогично, в кейсе Shopify команда создала собственный набор расширений поверх Pi, сохранив минимализм, но получив гибкость для построения кастомных рабочих потоков. Такое сочетание дешевизны, скорости и возможности добавлять только действительно нужные инструменты делает Pi идеальным как для крупных корпораций, так и для локальных моделей с ограниченным контекстом.

Пользователи ценят минимализм Pi за возможность настройки и создания эффективных рабочих процессов, включая использование на серверах, интеграцию с другими инструментами и разработку собственных агентов. Однако отмечаются недостатки: медленный запуск, отсутствие поддержки стандартных сокращений и несоответствие некоторым ожиданиям, что затрудняет использование. Некоторые считают минимализм Pi недостатком — он не предоставляет достаточных функций для эффективной работы, и другие инструменты могут быть предпочтительнее для конкретных задач. Рекомендуется фокусироваться на результате и постепенно дорабатывать Pi, а не стремиться к идеальной настройке с начала.

Современные ИИ-агенты позволяют инженерам легко адаптировать любые инструменты под свои нужды, устраняя необходимость писать собственное ПО. Достаточно загрузить исходный код, настроить автоматическое обновление через ночную задачу и редактировать его через простые инструкции — без программирования. Например, в проекте Shelley пользователь может написать «сделать интерфейс с высокой контрастностью», и агент сам изменит код, сохранив изменения в контроле версий. Это меняет подход к кастомизации: теперь персонализация доступна даже неспециалистам, а обновления синхронизируются с оригинальными релизами без потерь.

Такие возможности делают устаревшими привычные системы настройки — от кастомных менеджеров задач до CMS. Вместо того чтобы учиться работать с «коробочным» софтом, команды собирают нужные функции из модулей, экономя время и ресурсы. Однако открытые агенты, как Pi или Shelley, могут быть полностью адаптированы под любые задачи, тогда как закрытые решения, например Claude Code, остаются неизменными. Это подчеркивает важный тренд: будущее ИИ-инструментов зависит от открытости кода, чтобы пользователи могли не просто использовать, но и формировать технологии под свои цели. (168 слов)

Многие разработчики считают открытый исходный код важным для доверия и прозрачности, но признают, что он не всегда необходим, практично или обеспечивает надёжную поддержку и обновление, особенно с ростом ИИ-агентов, меняющих код. Важнее — возможность настройки и расширения инструментов через плагины и конфигурационные файлы. Следует учитывать риски поддержки, не полагаясь исключительно на открытый код.