Loops: что должен знать каждый AI-инженер в 2026 году
Разбор loop engineering: чем циклы отличаются от промптов, почему они сжигают токены, как устроены single-agent и fleet loops, open/closed loops и шесть building blocks надёжного агентного цикла.
Topic
openai
A collection of 7 issues
Как ведущие AI-лаборатории строят RL-агентов в 2026 году (используя идею Карпати об обучении через system prompt)
Как Anthropic, OpenAI и DeepSeek сходятся к единой идее: использовать system prompt как функцию вознаграждения. Полный разбор эволюции RL — от RLHF до RULER — с кодом.
Анатомия agent harness: что на самом деле делает LLM-агента агентом
Глубокий разбор agent harness: оркестрация, инструменты, память, управление контекстом, проверка, безопасность и архитектурные решения вокруг LLM-агентов.
Агентная память: подробный разбор
Подробный разбор агентной памяти: контекст, внешнее хранилище, эпизодическая память, retrieval и стратегии забывания.
Как создавать AI-агентов в 2026 году (полный курс)
Полный русский перевод статьи Avid о том, как строить production-ready AI-агентов в 2026 году на agentic-harness.
Команда /goal: полный гайд по автономной работе ИИ-агентов
Полный перевод X Article от AI Edge о команде /goal: что это такое, как её использовать, как писать хорошие goal-промпты и где применять автономных ИИ-агентов.
Анатомия agent harness: что на самом деле строят Anthropic, OpenAI, Perplexity и LangChain
Перевод статьи Akshay о production-grade agent harness: orchestration loop, tools, memory, context management, state, safety, verification loops, subagents и архитектурные решения, которые превращают LLM в агента.