Total Recall: Agent Memory and Harness Engineering — Ignacio Martinez, Oracle
Ignacio Martinez från Oracle presenterar hur man bygger effektiva AI-agenter genom att konstruera ett "harness" — ett lager av kod runt språkmodellen som gör den pålitlig och repeterbar.
Han argumenterar att modellens vikter är frysta och kostnadsfria att hyra, men allt du faktiskt kontrollerar finns i lagret omkring den. Han organiserar detta i sju lager och fokuserar särskilt på var minnet fysiskt lagras: filer är billiga att lägga till men saknar transaktionell konsistens, medan databaser (via work trees) löser problemet med parallella agenter som trampar på varandra. Han introducerar begreppet umwelt för att beskriva hur en agents perception begränsas av den institutionella kunskap du dokumenterade, och presenterar två viktiga idéer: hysteresis-variabler för hur länge harnessen ska försöka innan den ger upp, och skill promotion där framgångsrika arbetsflöden destilleras till bättre versioner.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
Building advertising for the way people use AI
OpenAI för 3 tim sedan
Server-Side Code Execution Tools for AI Agents, Compared
OpenRouter för 13 tim sedan
v0.40.0
Ollama för 13 tim sedan
Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions
TechCrunch AI för 16 tim sedan