Уздечка для мозга: почему Atomic Habits — это книга по инженерии агентов

1. О харнессе вкратце

К 2026 году все, кто глубоко погружен в искусственный интеллект и разработку, пришли к единогласному мнению: погоня за чуть более совершенной базовой моделью практически потеряла актуальность. Ценность представляет исключительно то, что вы возводите вокруг неё. Агент в этой парадигме — это сама модель в союзе с харнессом. Нейросеть генерирует следующий шаг и носит вероятностный характер, в то время как харнесс охватывает весь окружающий код: реестр инструментов, управление контекстным окном, циклы выполнения, валидацию схем, матрицу прав, логирование и точки обязательной верификации. Вы не занимаетесь доработкой самой модели, используя её как готовый компонент, поэтому вся ваша подлинная инженерная деятельность сводится к созданию этой обвязки.

Я говорю об этом не понаслышке. У меня есть финансовый проект, завязанный на глубокую аналитику и прогнозирование, где харнесс выступает не второстепенной надстройкой, а несущим фундаментом. Около трети, а порой и сорок процентов всех трудозатрат уходит не на чистый функционал, а на инфраструктурное обрамление: команды, проверки, аудиторские следы, точки останова для ручного контроля. Поначалу этот год воспринимался как избыточные накладные расходы. Сегодня мой взгляд изменился кардинально. Эта обвязка и есть сам проект. Без неё то, что я прежде считал настоящей работой, просто невозможно воспроизвести дважды с одинаковым результатом.

Цель харнесса заключается вовсе не в том, чтобы сделать модель интеллектуальнее, а в том, чтобы сузить диапазон вариативности. Каждый элемент обвязки переводит определённое решение из вероятностной плоскости в детерминированную. Линтер не просит агента придерживаться кодстайла — он физически блокирует неудачный коммит. Схема инструмента не намекает на обязательность параметра — она отклоняет некорректный вызов. Чеклист в системном промпте не пытается мотивировать, а императивно диктует следующий шаг, когда контекст начинает рассыпаться. Грамотный харнесс превращает шаблонное «обычно справляется» в железобетонное «делает безупречно».

Эту же оптику полезно применить к концепции Model Context Protocol (MCP), вокруг которой часто возникает путаница. MCP решает инфраструктурную задачу доступа, предоставляя унифицированный интерфейс к почте, календарям, базам данных и файловым хранилищам. Это бесспорно удобно. Однако сам по себе подключенный сервер не сужает поле неопределенности, а напротив, расширяет его. Получив в своё распоряжение два десятка инструментов, модель на каждом такте вероятностно решает, какой из них задействовать, с какими параметрами и когда остановиться.

«Сырой» MCP — это еще не харнесс, а лишь масштабирование пространства возможных реакций. Настоящий харнесс рождается там, где возникают жесткие границы: какие инструменты доступны в моменте, а какие скрыты; что верифицируется превентивно, а не постфактум; какие операции требуют верификации человеком; каков лимит вызовов и каков сценарий при его исчерпании; как именно логируются действия, чтобы впоследствии восстановить логику сбоя.

Весьма полезную классификацию предлагает Биргитта Бёккелер из Thoughtworks. Существует внутренний харнесс, поставляемый вендором (SDK, агентские рантаймы, готовые среды вроде Cursor), и внешний, который вы собираете самостоятельно поверх платформы: текстовые инструкции, MCP-серверы, персональные скиллы. Друдое разделение, еще более ценное для понимания: направляющие, которые корректируют агента до совершения действия, и датчики, оценивающие результат после и дающие возможность самокоррекции. И те, и другие могут быть как вычислительными (тесты, линтеры, строгая валидация), так и смысловыми (модель в роли арбитра). Запомните эту связку: направляющие и датчики. Очень скоро она пригодится нам совсем в другом контексте.

2. Смена ракурса

Однако я пишу всё это вовсе не ради очередных теоретических рассуждений об архитектуре агентов. Меня влечет неожиданная параллель, которая кажется тем точнее, чем дольше я размышляю над ней.

Когда проектированием обвязки занимаешься достаточно долго, неизбежно трансформируется мышление. Вы перестаете мыслить категориями «модели следует быть сосредоточеннее» и переходите к вопросам: «в какой именно точке система дает сбой и что можно внедрить в этот узел, чтобы решение не принималось спонтанно в процессе работы». Это устоявшаяся ментальная привыпка, и в определенный момент я поймал себя на том, что применяю её к собственной повседневности.

Всё это время я возводил защитные контуры вокруг капризной вероятностной системы, склонной к лени, потере фокуса и срезанию углов. А затем осознал, что в точности описываю самого себя.

Человеческий мозг — точно такая же вероятностная машина со схожими паттернами сбоев. Он отчаянно экономит энергию, составляя около двух процентов от массы тела и поглощая порядка двадцати процентов общей энергии организма. Режим по умолчанию для него — бездействие. То, что мы привыкли клеймить ленью, по сути является рациональной оптимизацией энергозатрат.

Он теряет контекст. Объём рабочей памяти удерживает лишь несколько сущностей одновременно. Всё незафиксированное выветривается точно так же, как содержимое переполненного контекстного окна. Он срезает углы, подменяя глубокий расчет простыми эвристиками — быстро и сносно, но с систематической погрешностью. Он выдает искаженные отчеты о собственных результатах: нам искренне кажется, что «вопрос закрыт», хотя никакой реальной проверки не проводилось. Уровень нашей уверенности имеет крайне слабые корреляции с реальной точностью.

И главное: эти проблемы не решаются волевым усилием. Точно так же, как не работает промпт с фразой «пожалуйста, будь внимательнее». Это не инженерный подход, а упование на чудо. Работает ровно то же самое, что и в случае с ИИ-агентами: вынесение процесса принятия решений из головы во внешнюю среду, чтобы правильное действие совершалось автоматически.

Самым неприятным открытием для меня стало то, что половину подобных механизмов я интуитивно применял годами, просто не воспринимая это как инженерную практику. Я называл это дисциплиной, и когда схемы давали трещину, занимался самобичеванием вместо того, чтобы починить саму конструкцию.

3. Книга «Atomic Habits» как руководство по проектированию обвязки

Книгу Джеймса Клира я прочитал задолго до погружения в разработку агентских систем, восприняв её как легкое чтиво о самодисциплине. Перелистывать её после года создания харнессов — совершенно иной опыт. Это вовсе не банальное пособие по мотивации. Клир создал полноценный учебник по инженерии интерфейсов человеческого интеллекта задолго до того, как этот термин укоренился в сфере ИИ, просто озаглавив его «привычками».

Если очистить его четыре закона от популярной психологии, перед нами предстанут чистейшие инженерные паттерны.

Сделайте очевидным. Речь идет о триггере. В агентской архитектуре это обработчик событий, который активирует нужный контекст. В человеческой жизни — физический объект на самом видном месте. Для меня это стало золотым правилом: всё, что должно быть сделано, я помещаю в поле зрения и зону быстрого доступа. Не в качестве абстрактного напоминания, а как взведенный спусковой крючок, срабатывающий подсознательно. Схожий принцип заложен в японских куклах дарума: загадывая желание, закрашивают один глаз, а второй — только по достижении цели. Всё это время незавершенный артефакт молчаливо давит на психику своей незавершенностью. Носитель задачи вынесен из черепной коробки в физическое пространство.

Формализованным воплощением этого подхода служат планы реализации намерений в формате «если Y, то делаю X». Эффективность этой формулы подтверждена множеством изысканий. Метаанализ 94 исследований, проведенный Голльвитцером и Шираном, показал однозначный результат: люди, заранее зафиксировавшие подобные связки, доводят начатое до конца значительно чаще тех, кто полагается на расплывчатые намерения. Механика здесь та же, что и в программном коде: в критический момент решение уже принято заранее, исключая когнитивные затраты на выбор.

Сделайте привлекательным и удовлетворяющим. Это тонкая настройка системы поощрений и наблюдаемости. Отметка в трекере привычек не заставляет вас действовать силой, она визуализирует прогресс. Перед нами всё тот же датчик из первой части статьи, аналогичный панели метрик ИИ-агента.

Сделайте простым. Задача сводится к минимизации порога входа. Знаменитое правило двух минут предписывает уменьшить масштаб действия до преодоления первоначального сопротивления. В архитектуре обвязки принцип идентичен: одна консольная команда вместо шести ручных манипуляций. Не потому что шаги слишком сложны, а потому что каждый из них — потенциальная точка отказа.

Сцепление привычек (формула «после выполнения X я делаю Y») представляет собой классический конвейер. Это непрерывная цепочка, где результат предыдущего этапа служит триггером для следующего, не оставляя зазоров для сомнений.

Правило «никогда не пропускать дважды» задает протокол восстановления. Фокус смещается с недостижимого идеала на ограничение масштаба сбоя. Эмпирические данные полностью на стороне Клира: согласно исследованиям Филиппы Лалли, единичный пропуск практически не влияет на общую динамику формирования устойчивого навыка.

Фокус на идентичности вместо целей (вместо «я хочу пробежать марафон» формулировка «я бегун») работает как системный промпт. Это не разовая задача, а мировоззренческая рамка, из которой органично вытекают частные решения.

4. Где аналогия дает трещину

Здесь необходимо вовремя остановиться, чтобы не увлечься изящной, но бесполезной метафорой. Проведение параллелей хромает как минимум в трех существенных аспектах.

Во-первых, программный харнесс для агента пишется за один вечер и начинает функционировать с первой итерации. Человеческая привычка укореняется медленно и крайне капризно. Согласно изысканиям Лалли, медианный срок автоматизации навыка составляет 66 дней при разбросе от 18 до 254 дней. Что еще неприятнее: спустя двенадцать недель до автоматизма дошла лишь половина участников эксперимента. Интеграция обвязки в собственный мозг — долгий и ухабистый путь с высокой вероятностью отказов, и это необходимо закладывать в планирование.

Во-вторых, персональную обвязку невозможно просто скопировать. Чужой набор привычек не переносится так же легко, как конфигурационный файл с инструкциями для ИИ. Вернее, скопировать его можно, но функционировать у вас он не будет.

В-третьих — и для меня это наиболее болезненный пункт — заниматься строительством обвязки банально интереснее, чем работать.

Это обратная сторона пресловутых тридцати процентов ресурсов из начала статьи. В рамках своего проекта я выстроил полсотни аналитических команд, десятки систем аудита и тысячи автотестов. Каждая деталь была объективно необходима. Но в определенный момент вся эта инфраструктура превратилась в элегантный способ избежать ответа на единственный фундаментальный вопрос: обладает ли наша стратегия реальным конкурентным преимуществом?

У инфраструктуры есть коварное свойство: её совершенствованию нет предела. Всегда можно написать еще один тест, добавить новую команду или внедрить дополнительную проверку. Любое из этих действий создает иллюзию продуктивности, поскольку оставляет осязаемый цифровой след — в отличие от кропотливой работы над смыслом, где неделями может не быть никаких видимых артефактов. С личными системами наблюдается абсолютный близнец этого процесса. Человек, который третий месяц подряд с увлечением выбирает идеальный планировщик вместо того, чтобы писать текст, не бездельничает. Он мастерит обвязку, которая незаметно подменила собой саму цель.

Изнутри грань между несущим фундаментом и комфортным убежищем практически неразличима. И то, и другое ощущается как упорный труд. Единственный критерий истинности — честно ответить себе на вопрос: снижает ли данный элемент обвязки вариативность в вашей реальной работе, или он давно превратился в самоцель.

5. Что с этим делать

Практический алгоритм предельно лаконичен. Возьмите задачу, которую вы должны выполнять системно, но постоянно откладываете, и вместо мантр о мотивации задайте себе три сугубо инженерных вопроса.

Где здесь триггер? Не расплывчатое «как только вспомню», а четкое событие во внешней среде или завершение предыдущего этапа. Если триггера нет, вы наивно полагаетесь на систему, запрограммированную экономить энергию. Она не вспомнит.

Где здесь датчик? Что именно делает результат наглядным без дополнительных усилий? Если вы не можете сходу, за пять секунд, ответить, выполняли ли вы это действие на прошлой неделе, — датчик отсутствует.

Какова стоимость первого шага? Если порог входа превышает две минуты — безжалостно режьте задачу. Не потому что вы слабы духом, а потому что каждая секунда ментального сопротивления служит точкой бифуркации, где вероятностная система свернет в сторону прокрастинации. И не забывайте про верхний ограничитель: если на проектирование личной системы ушло больше времени, чем она в итоге сэкономила, вы больше не строите обвязку, а изящно саботируете процесс.

6. Заключение

На итоговое качество результатов влияют всего два фактора: базовая система и окружение, выстроенное вокруг неё. В случае с ИИ-агентами это очевидно всем, поскольку модель вам не принадлежит. Вы не способны её переобуть, беря готовую, а потому вся ваша деятельность неизбежно концентрируется на создании обвязки.

В отношении самих себя мы почему-то действуем с точностью до наоборот. Мы безуспешно пытаемся апгрейдить саму систему: стать собраннее, дисциплинированнее, интеллектуальнее. Это самый затратный и наименее надежный путь. Обвязка обходится кратно дешевле: предмет на видном месте, формула «если-то» на бумаге, чек-лист на стене, одна консольная команда вместо целого ритуала.

Нам не суждено работать со стерильной точностью роботов. Но в наших силах спроектировать среду так, чтобы мы ошибались значительно реже.

 

Источник