Harness engineering
I 2026 er det ikke lingen modellen som er flaskehalsen — det er rammeverket rundt den. En agent med en sterk modell og dårlig kontekststyring slår seg fast. En agent med en grei modell og et gjennomtenkt harness gjør jobben.
Kort sagt
- Modellen er hjernen. Harnesset er kroppen: verktøy, minne, kontekst og verifikasjon.
- Kontekst er en boks. Det du kutter inn, kutter du ut av arbeidsevnen.
- Verifikasjon — tester, lint, diff — er det som gjør agenten trygg nok å slippe ut.
Hva et harness egentlig er
Harnesset er alt som ligger rundt selve modellkallet: hvordan oppgaven brytes ned, hvilke verktøy som er tilgjengelige, hvordan resultater lagres, og hvordan svaret sjekkes før det sendes videre. Harness engineering handler om å bygge dette laget bevisst.
Kontekststyring
Modeller har ikke hukommelse — de har et kontekstvindu. Verktøy som sandkasser output, kutter logger og komprimerer filer, slik at agenten får flere faktiske steg gjennomom. Dette er ofte større gevinst enn å bytte modell.
Minne som overlever sesjoner
Langtidsminne for agenter har blitt et eget produktområde. Løsningene skriver sammendrag av hva agenten gjorde, slik at neste økt kan fortsette der forrige slapp. Uten dette betaler du for å re-forklare hver gang.
Verifikasjon og tillit
Agenten som skriver kode uten tester å sjekke mot, er en agent som produserer plausibel kode. Kjøre tester, lint og diff automatisk før resultatet godtas. Det er den enkleste måten å gjøre agentarbeid produksjonsklart på.
Verktøy og tillit
Verktøy som nettleser, MCP-tjenester og kommandolinje gir agenten kapasitet — og like mye risiko. Isolering, tillatelseslister og en egen proxy for modellkall er blitt standardpraksis blant team som kjører agenter i produksjon.
Hvordan du begynner
Start med ett repeterende oppdrag du kjenner utfallet av. Skriv ned hva agenten får lov til å se og gjøre, og få et menneske til å godkjenne resultatet. Bygg harnesset rundt den ene oppgaven, ikke rundt en plattform på forhånd.
Sist oppdatert: oktober 2026.