Харнес в ИИ: что это и какие задачи с ним решает ИИ-агент

Харнес (его же пишут «харнесс», по-английски agent harness) — это среда, в которой ИИ-агент действует: читает файлы, запускает команды, пишет и выполняет программы, обращается к почте и таблицам. Модель только думает и отвечает, а делает работу харнес. Агент, который за час сводит выгрузки из пяти систем в одну таблицу, сам пишет небольшой скрипт и запускает его. В этом вся польза: харнес превращает ИИ-агентов для бизнеса из собеседников в исполнителей.

Что такое харнес простыми словами

Агент в харнесе поступает как аналитик: открывает файл, пишет код, который фильтрует и считает, запускает его и возвращает результат. Anthropic в своём разборе приводит экономию токенов с 150 000 до 2 000 (98,7%): на таблице в 10 000 строк агент видит пять строк вместо всех. Код можно запустить повторно на новых данных. Харнес даёт агенту доступ к компьютеру, как сотруднику.

От оболочки результат зависит не меньше, чем от модели. В замере LangChain на тесте Terminal Bench 2.0 агент с той же моделью поднялся почти на 14 пунктов, когда поменяли только харнес: добавили цикл «собрать, проверить, исправить», проверку перед завершением и распознавание зацикливания. Выбирать нужно оба слоя: что за харнес и какая модель внутри.

Как агент в харнесе работает с таблицей: открывает файл, пишет и запускает код, возвращает результат, и сколько токенов это экономит

Какие задачи решают с помощью харнеса

Ниже задачи, которые уже описаны в документации и разборах производителей. Программировать для них не нужно: вы ставите задачу словами, агент пишет и запускает код сам. Примеры взяты у производителей, часть из них закрыта для России, и на открытых харнесах мы эти сценарии не проверяли.

Свести выгрузки в одну таблицу

Вы даёте экспорты из нескольких систем и правила: что считать дублем, за какой период смотреть. Агент чистит соединения, строит одну рабочую книгу с формулами и графиками и выносит отдельный лист с записями, которые не совпали. Результат — обновляемая рабочая книга (по описанию OpenAI).

Почистить грязную выгрузку клиентов

В файле разные форматы дат и валют, дубли, итоговые строки, пропуски. Агент работает с копией, исходный файл не трогает, и возвращает чистую таблицу с короткой справкой: что исправлено, что удалено, что он не смог исправить уверенно.

Прогноз денег по неделям

Вы даёте входящие платежи, зарплаты, платежи поставщикам и допущения. Агент строит таблицу по неделям или месяцам, отмечает, когда остаток уходит ниже безопасного, и показывает, что будет, если клиенты начнут платить медленнее.

Разбор продаж с отчётом

В разборе ChatPRD агент Goose (его делает Block) по запросу обычными словами изучает файл с продажами, предлагает план, создаёт среду Python, ставит нужные пакеты, пишет скрипт анализа, запускает его и собирает HTML-отчёт с графиками, методикой и оговорками.

Сотни объявлений за минуты

В команде маркетинга Anthropic агент разбирал таблицу с сотнями объявлений, находил слабые, а подагенты писали новые варианты в рамках лимитов по символам. По словам самой Anthropic, на это уходили минуты вместо часов.

Отчёты и дежурство по расписанию

В Hermes Agent встроенный планировщик запускает задачи сам: ежедневные отчёты, ночные бэкапы, еженедельные аудиты. В документации есть пример проверки сайта: скрипт каждый час скачивает страницу и сравнивает с сохранённой, а агент пишет в Telegram, только когда страница изменилась, иначе молчит.

Разбор почты

По описанию OpenAI, агент просматривает 90 дней переписки, чтобы понять ваш стиль и важных людей, и дважды в день по будням присылает короткую сводку: письма, требующие внимания, предложение по уборке ящика и один черновик ответа. Без вашего согласия он ничего не отправляет, не архивирует и не удаляет.

Первичная проверка договоров

Anthropic показывает, как агент сверяет входящие договоры с правилами компании и пишет на каждый заметку. Агент ссылается на нужный пункт, а пробелы в правилах отмечает для проверки человеком.