📎 Dealer.AI
Loop Engineering вместо Prompt Engineering от создателей басен и мифов 👍
Пока мы ждём решения вопросиков между Anthropic и чиновниками, обратимся в вечному - методологией циклического инжениринга.
Вместе с выходом самих моделей Mythos и Fable, создатели harness от Anthropic поделились новым паттерном для работы с кодинг агентами. Назвали его Loop Engineering он преподносится, как развитие Prompt Engineering, но дополняет Context Engineering.
На самом деле, это схожий концепт с подходами Карпаты по самоусовершенствованию агентов за счёт обратной связи среды. Кстати, почему это работает? Если вспомнить, модели R1 в тех.репортах от команды DeepSeek используют RLVR для обучения. Они помещаются в среду, где награда получается автоматом, без внешних моделек. И в качестве такой среды, для примера, брался компилятор. Т.е. изначально LMку тюнили под такое поведение с RL.
Но вернемся к тому, как это нативно встраивается в harness.
Веделяются три столпа подхода:
Loop Engineering вместо Prompt Engineering от создателей басен и мифов 👍
Пока мы ждём решения вопросиков между Anthropic и чиновниками, обратимся в вечному - методологией циклического инжениринга.
Вместе с выходом самих моделей Mythos и Fable, создатели harness от Anthropic поделились новым паттерном для работы с кодинг агентами. Назвали его Loop Engineering он преподносится, как развитие Prompt Engineering, но дополняет Context Engineering.
На самом деле, это схожий концепт с подходами Карпаты по самоусовершенствованию агентов за счёт обратной связи среды. Кстати, почему это работает? Если вспомнить, модели R1 в тех.репортах от команды DeepSeek используют RLVR для обучения. Они помещаются в среду, где награда получается автоматом, без внешних моделек. И в качестве такой среды, для примера, брался компилятор. Т.е. изначально LMку тюнили под такое поведение с RL.
Но вернемся к тому, как это нативно встраивается в harness.
Веделяются три столпа подхода: