Anthropic veröffentlicht einen Artikel im Engineering-Blog darüber, wie man effektivere Harness-Strukturen für langjährige, mehrfache KI-Agenten über mehrere Runden hinweg entwerfen kann. Das Team wies darauf hin, dass bestehende Agenten, die komplexe Projekte bauen, oft Phänomene wie "halb getrennt und neu gestartet" aufgrund begrenzter Kontextfenster auftreten und falsch eingeschätzt haben, dass die Aufgabe abgeschlossen wurde, was es erschwert, in mehreren Sitzungen fortzufahren und stetig voranzukommen.
Zu diesem Zweck schlägt dieses Paper eine zweistufige Lösung von "Initializer Agent + Coding Agent" im Claude Agent SDK vor: Erstes Ausführen der von Initializer erstellten Umgebung, Erstellen einer detaillierten Funktionsliste, Initialisierung des Git-Repositorys, Erstellung eines Fortschrittsprotokolls und init.sh Skript; Nach dem Lesen dieser Artefakte wählt der Codierungsagent nur ein offenes Feature aus, schließt die Implementierung und den Selbsttest ab, reicht den Code ein und aktualisiert den Fortschrittsdatensatz, um die Umgebung in einem "sauberen Zustand" zu halten, der jederzeit weiterentwickelt werden kann.
Die Autoren argumentieren, dass diese technische Einschränkung die Vergesslichkeit und das Driften von Langzeitagenten erheblich mindert und sie eher an prozessgebundene menschliche Ingenieure als an einmalige Abschlusswerkzeuge verhält. Das aktuelle Experiment dient hauptsächlich der Entwicklung von Full-Stack-Webanwendungen, und die zukünftige Ausrichtung umfasst die Einführung spezialisierter Agenten wie Testing, Qualitätssicherung und Refactoring sowie die Erweiterung ähnlicher Methoden auf andere langfristige Aufgaben wie wissenschaftliche Forschung und Finanzmodellierung.
FAQ
F: Worauf geht es in diesem Artikel "Long-term Agent Harness"?
A: Der Artikel konzentriert sich auf Themen wie KI-Agenten, die während mehrerer Runden langer Aufgaben leicht den Kontext vergessen, mitten in Aufgaben Gänge durchbrechen oder vorzeitige Abschlusserklärungen deklarieren, und untersucht, wie man Agenten über mehrere Sitzungen hinweg stetig in Bewegung hält.
F: Was macht der Initializer-Agent in diesem Szenario?
A: Es baut während des ersten Durchlaufs eine grundlegende Umgebung, einschließlich der Erstellung von Listen mit Feature-Anforderungen, der Erstellung von Git-Repositories und Fortschrittsprotokollen, dem Schreiben von init.sh usw. und bietet so einen klaren Ausgangspunkt für nachfolgende Coding-Agenten.
F: Wie unterscheidet sich ein Coding-Agent vom traditionellen Ansatz "das gesamte Projekt automatisch schreiben"?
A: Der Codierungsagent wählt jedes Mal nur eine Funktion aus, reicht den Code ein und aktualisiert das Log nach Abschluss des Selbsttests, wobei kleine Schritte und eine Umgebungsreinigung betont werden, um Chaos durch übermäßige Änderungen auf einmal zu vermeiden.
F: Gelten diese Praktiken nur für die Webanwendungsentwicklung?
A: Das aktuelle Beispiel ist ein Full-Stack-Webprojekt, aber der Autor ist der Ansicht, dass Ideen wie Featurelisten, Fortschrittsdateien und inkrementelle Einreichungen auf andere langfristige Aufgaben der Agentur wie wissenschaftliche Forschung und Finanzmodellierung ausgeweitet werden sollen.
