El sistema Agent primero ajusta el presupuesto contextual y los sensores.

Al mirar el artículo de Martin Fowler Fragmentos: 13 de julio, la primera palabra que aparece no es puntuación del modelo, sino Ingeniería de arnés. En el retiro, algunas personas ya pusieron la discusión en contexto y sensores. Este asunto se parece mucho a una disciplina de ingeniería emergente: el agente primero debe reforzar la entrada y luego hablar sobre la expansión de la acción.

Cuanto más grande sea la ventana de contexto, más cortas serán las restricciones.

Hay un detalle muy sencillo en el artículo: alguien controló agents.md dentro de 200 líneas. Este número parece misofobia, pero en realidad es un presupuesto para el proyecto. De hecho, la ventana de contexto se está haciendo cada vez más grande, pero una ventana más grande solo significa que se puede meter más contenido en ella, pero no significa que el modelo captará con más firmeza la parte que debe captarse. Por lo general, el modelo solo se centra en una pequeña parte del contexto, e incluso si el resto del contenido está ahí, es posible que simplemente esté funcionando.

Este es el problema más común con documentos largos. Cuantas más reglas haya, más fácil será que el ruido oscurezca las restricciones realmente importantes; cuanto más larga sea la descripción, más fácil será escribir el límite como fondo y el fondo como límite. Mantener los archivos cortos no es para ahorrar tiempo al escribir, sino para forzar que las restricciones sean visibles, legibles y ejecutables. Lo que enfrenta el Agente no es un montón de materiales, sino un contrato operativo limitado.

El sensor debe comprimirse en una pequeña cantidad de señal utilizable

Otro cambio es que la discusión ha comenzado a trasladarse a los sensores computacionales. Los sensores aquí no son simplemente puntos enterrados, ni alimentan nuevamente los registros al modelo, sino que comprimen el estado de tiempo de ejecución en una pequeña cantidad de señales estables. Una vez que el sensor se convierte en la reproducción de salida original, la entrada se expandirá nuevamente; El enfoque verdaderamente valioso es primero dividir la escena en varios estados claros y luego decidir qué detalles se deben dar a las personas y qué detalles se deben dar a las herramientas.

El artículo menciona que cambiar de Python a un lenguaje más controlable como Rust sólo tiene sentido en este contexto. La atención no se centra en la preferencia lingüística, sino en el control. Lo que el sensor necesita no es “ejecutarse”, sino límites claros, una semántica de excepción clara y un consumo de recursos claro. Mientras la señal sea inestable, no importa cuán fuerte sea el modelo, solo puede emitir juicios basándose en la entrada de fluctuación.

El arnés cierra primero la cadena de acción

Una vez que esta discusión llega tan lejos, el arnés se vuelve menos como un caparazón y más como una boquilla. Es responsable de decidir qué entra en el contexto y qué queda fuera; en qué estados puede confiar el modelo y en qué estados deben reconfirmarse las herramientas. El presupuesto de contexto, el diseño de sensores, los límites de permisos y las rutas alternativas finalmente llegarán a esta capa.

El coste más fácilmente subestimado en el sistema de agentes también se sitúa en este nivel. El reemplazo del modelo es rápido, pero el arnés es mucho más lento porque está vinculado a una cadena de acción, una cadena de señales y una cadena de fallas. Mientras esta capa no se ajuste y las capacidades del modelo avancen, el sistema sólo amplificará el caos más rápidamente.

Las solicitudes de lectura pura, los scripts de análisis únicos, los agentes livianos sin acciones externas y las capacidades del modelo siguen siendo los protagonistas. Tan pronto como se empieza a conectar datos privados, estados a largo plazo y acciones reales, lo primero que hay que reforzar ya no son los parámetros del modelo, sino los límites de entrada y los límites de la señal. El momento en que un Agente realmente se parece a un sistema es a menudo cuando estas dos capas se afianzan primero.