llmlearn
ورود

منبع آزاد، یادداشت‌های مطالعه

یادگیری مهندسی هارنس (Learn Harness Engineering)

ترجمه‌ی فارسی دوره‌ی متن‌باز Learn Harness Engineering: چرا ایجنت‌های کدنویسی شکست می‌خورند، هارنس چیست، و ۱۴ درس، ۸ پروژه‌ی عملی و قالب‌های آماده برای ساخت ایجنتی قابل‌اعتماد.

صفحه
۴۹
زمان مطالعه
۷ ساعت و ۱۰ دقیقه
به‌روزرسانی
۱۰ آبان ۱۴۰۵
شروع از صفحه‌ی اول

ترجمه‌ی یک دوره‌ی متن‌باز

این دوره را WalkingLabs نوشته و با مجوز MIT منتشر کرده است (مخزن اصلی، © 2025 WalkingLab). ساختار، درس‌ها و پروژه‌ها مال دوره‌ی اصلی‌اند. کدهای نمونه و پروژه‌های starter/solution را در مخزن اصلی ببینید.

یادگیری مهندسی هارنس (Learn Harness Engineering) دوره‌ای اختصاص‌یافته به مهندسی ایجنت‌های کدنویسی هوش مصنوعی است. ما پیشرفته‌ترین تئوری‌ها و تجارب عملی صنعت در مهندسی هارنس را عمیقاً بررسی و تدوین کرده‌ایم. مراجع محوری ما عبارتند از: - OpenAI: Harness engineering: leveraging Codex in an agent-first world - Anthropic: Effective harnesses for long-running agents - Anthropic: Harness design for long-running application development - Awesome Harness Engineering

این دوره از طریق طراحی روشمند محیط، مدیریت وضعیت، راستی‌آزمایی و سیستم‌های کنترلی، به شما می‌آموزد که چگونه ابزارهای کدنویسی ایجنتی مانند Codex و Claude Code را واقعاً قابل‌اعتماد سازید. این آموزش به شما کمک می‌کند تا با محدود کردن دستیار کدنویسی هوش مصنوعی با قوانین و مرزهای صریح، قابلیت‌ها را توسعه دهید، باگ‌ها را رفع کنید، و وظایف توسعه را خودکار نمایید.

شروع کنید#

مسیر یادگیری مناسب خود را انتخاب کنید. این دوره به درس‌های تئوری، پروژه‌های عملی و کتابخانه منابع آماده کپی تقسیم شده است.

سازوکار محوری یک هارنس#

یک هارنس «مدل را باهوش‌تر نمی‌کند»؛ بلکه یک سیستم کاری حلقه-بسته برای مدل ایجاد می‌نماید. می‌توانید جریان کاری محوری آن را از طریق این نمودار ساده درک کنید:

graph TD
    A["هدف شفاف<br/>AGENTS.md"] --> B("مقداردهی اولیه<br/>init.sh")
    B --> C{"اجرای وظایف<br/>ایجنت هوش مصنوعی"}
    C -->|مواجهه با اشکال| D["بازخورد زمان اجرا<br/>CLI / لاگ‌ها"]
    D -->|اصلاح خودکار| C
    C -->|کد تکمیل شد| E{"راستی‌آزمایی و QA<br/>مجموعه آزمون‌ها"}
    E -->|شکست خورد| D
    E -->|قبول شد| F["پاک‌سازی و تحویل<br/>claude-progress.md"]

    classDef primary fill:#D95C41,stroke:#C14E36,color:#fff,font-weight:bold;
    classDef process fill:#F4F3EE,stroke:#D1D1D1,color:#1A1A1A;
    classDef check fill:#EAE8E1,stroke:#B3B3B3,color:#1A1A1A;

    class A,F primary;
    class B,D process;
    class C,E check;

آنچه خواهید آموخت#

در اینجا برخی از مفاهیم کلیدی که بر آن‌ها مسلط خواهید شد آمده است:

  • مهار رفتار ایجنت با قوانین و مرزهای صریح.
  • حفظ زمینه در طول وظایف چندنشستی طولانی‌مدت.
  • بازداشتن ایجنت‌ها از اعلام پیروزی زودهنگام.
  • راستی‌آزمایی کار با استفاده از آزمون‌های سرتاسری پایپ‌لاین و خودتأمل.
  • مشاهده‌پذیر ساختن زمان اجرا و قابلیت دیباگ آن.

گام‌های بعدی#

پس از درک مفاهیم کلیدی، این راهنماها به شما کمک می‌کنند عمیق‌تر شوید: