Rekayasa agen pertama-tama memperketat konteks dan sensor

Melihat sekelompok diskusi tentang Harness Engineering akhir-akhir ini, perasaan yang paling intuitif bukanlah bahwa “Agen telah menambahkan lapisan kemampuan baru”, tetapi fokus diskusi teknik telah berubah. Dulu kita sering bertanya apakah modelnya cukup kuat. Sekarang pertama-tama kita fokus pada seberapa banyak konteks yang akan dimasukkan, berapa lama file aturan akan dimasukkan, dan sinyal apa yang diberikan sensor. Modelnya masih di tengah, tapi yang paling menentukan kestabilan adalah harness luarnya.

Semakin besar jendela konteks, semakin stabil perhatiannya.

Seseorang dalam retret menyebutkan bahwa agents.md harus dikontrol kurang dari 200 baris. Angka ini bukan sekedar sok-sokan atau pemujaan terhadap nomor antrean, namun lebih sebagai pengingat anggaran. Semakin besar jendela konteks hanya berarti semakin banyak konten yang dapat dijejali, namun tidak berarti model akan lebih stabil menangkap bagian yang seharusnya dipahami. Model sering kali hanya fokus pada sebagian kecil konteks, dan meskipun konten lainnya ada di jendela, tidak semuanya fokus.

Ini sangat mengganggu di bidang teknik. Semakin banyak aturan yang ada, semakin mudah untuk menulis “kendala” sebagai “kebisingan”; semakin panjang instruksinya, semakin mudah untuk mengubur apa yang sebenarnya harus diperhatikan di suatu sudut. Mempertahankan file agar tetap pendek bukan berarti membuat dokumen terlihat rapi, namun tentang memaksa batasan agar terlihat. Yang dihadapi model tersebut bukanlah ensiklopedia, melainkan kontrak operasi terbatas.

Sensor tidak memasukkan log lagi

Perubahan nyata lainnya adalah diskusi mulai beralih ke sensor komputasi. Sensor di sini tidak terkubur begitu saja, log sistem juga tidak dimasukkan utuh ke dalam model, namun status runtime dikompresi menjadi sejumlah kecil sinyal yang dapat digunakan. Yang dilakukannya hanyalah menyaring kebisingan, bukan menciptakan beban kontekstual baru.

Inilah sebabnya mengapa dikatakan “beralih ke Rust daripada Python”. Fokusnya bukan pada keberpihakan pada bahasa, tapi pada kontrol. Ketika sensor bergantung pada batasan waktu proses, batasan sumber daya, jalur pengecualian, dan keluaran deterministik untuk memastikan kualitas, bahasa dan lingkungan eksekusi tidak lagi sekadar detail implementasi, namun menjadi bagian dari sensor itu sendiri. Jika sinyal tidak stabil, sekuat apa pun modelnya, model hanya akan menebak-nebak masukan yang tidak stabil.

Mengirimkan data mentah langsung ke model mungkin tampak lebih informatif dalam jangka pendek, namun sering kali hanya membuat suasana menjadi lebih ramai dalam jangka panjang. Sensor yang benar-benar berguna pertama-tama harus memampatkan “apa yang terjadi” menjadi beberapa keadaan yang jelas, dan kemudian memutuskan rincian mana yang diserahkan kepada manusia dan mana yang diserahkan kepada alat.

Tanggung jawab harness adalah memotong dunia menjadi beberapa bagian yang dapat diumpankan ke model

Setelah diskusi semacam ini matang, diskusi tersebut mulai terlihat lebih seperti desain sistem daripada teknik cepat. Harness bertanggung jawab atas batasan-batasan: apa yang masuk ke dalam konteks, apa yang berada di luar konteks, keadaan apa yang dapat diandalkan oleh model, dan keadaan apa yang harus dikonfirmasi ulang dengan alat. Ini bukan cangkang, tapi lapisan filter dan penutup.

Ini juga merupakan biaya yang paling diremehkan dalam sistem Agen. Penggantian model berlangsung cepat, namun harness jauh lebih lambat karena secara langsung mengikat rantai tindakan, rantai sinyal, dan rantai kegagalan. Anggaran konteks, desain sensor, batasan izin, jalur fallback, semuanya pada akhirnya termasuk dalam lapisan ini. Selama lapisan ini tidak rapat, semakin kuat modelnya, semakin mudah bagi sistem untuk menyebarkan ketidakstabilan lebih lanjut.

Melihat jenis fragmen ini sekarang, bagian yang paling berharga bukanlah kesimpulan tunggal, namun dengan jelas menyatakan fokus proyek: agen tidak lagi hanya “apakah ia dapat melakukan sesuatu”, tetapi “apakah sistem eksternal telah mengumpulkan perhatian dan sinyal.” Langkah ini tidak stabil, dan peningkatan lebih lanjut dalam kemampuan model hanya akan memperburuk kekacauan dengan lebih cepat.