Як змусити AI працювати безперервно 10 годин без збоїв? Розкриття секрету офіційної підтримки Anthropic — “Harness інженерії”!

Багато людей використовують Claude Code для довгих завдань, і раптом AI стає дурнішим або навіть відмовляється працювати.
Причина дуже проста: вибух вікна контексту.
Сьогодні я поділюся системним рішенням, яке дозволяє AI “безмежно працювати” (Harness Engineering), не тільки щоб він виконував роботу, а й міг самовдосконалюватися.
1⃣ Основний принцип: скидання контексту
Пам’ять AI обмежена. Офіційна ідея Anthropic полягає в тому, щоб розбити велику задачу на частини, і кожного разу дозволяти AI виконувати одну маленьку справу у новому, чистому контексті.
❌ Неправильний підхід: одразу давати AI всі вимоги.
✅ Правильний підхід: розбити задачу -> виконувати у незалежних сесіях -> записувати прогрес -> наступний цикл.
2⃣ Порівняння рішень: Ralph vs багатоголовий агент
Варіант А (цикл Ralph): написати Bash-скрипт з циклом while, що примусово перезапускає нову сесію. Просто і грубо, підходить для технарів.
Варіант Б (співпраця багатьох агентів — рекомендовано): мій поточний підхід. Гнучкіший, більше схожий на реальну команду.
Головний агент (Координатор): відповідає лише за управління, ніколи не пише код (зберігає дуже чистий контекст).
Дочірні агенти (Робітники): планування, розробка, тестування (макет/естетика/анімація). Кожен виконує свою роль, незалежний контекст.
3⃣ Проектування робочого процесу (ключовий момент!)
Мій практичний робочий процес:
Головний агент отримує вимоги -> передає плановому агенту для складання графіка.
Головний агент отримує план -> передає агенту розробки для написання коду (тільки шлях до файлу, без великих шматків коду!).
Після розробки -> передає тестовому агенту для пошуку багів.
Зворотній зв’язок по виправленню багів: тестовий агент не пройшов? Використовуємо параметр resume для пробудження того ж агента-розробника для виправлення багів (зберігаючи контекст), а не створюємо нову сесію!
4⃣ Секрет самовдосконалення AI
Вивчені уроки: створити базу даних досвіду у файлі. Кожного разу, коли трапляється помилка, змушуйте AI записати її. Наступного разу перед розробкою — читати цей файл, щоб уникнути повторних помилок.
Комунікація між агентами: передають лише шлях до файлу (Path), без конкретного вмісту. Контекст головного агента завжди складається з кількох рядків, і він ніколи не “вибухає”.
Цю систему я тестував цілу ніч, створив понад 20 сторінок презентацій, і якість була дуже високою.
Справжній Harness — це не робити AI розумнішим, а створити процес, що не залежить від пам’яті AI.