Prinsip Perutean Harness: Harness Tebal vs Tipis, Penolakan Dini, dan Menghindari Panggilan LLM yang Tidak Perlu

Artikel ini, bagian ketiga dari tutorial tentang harness, berfokus pada routing dalam sistem agen AI. Ini membandingkan harness 'tebal', yang membantu model yang lebih lemah dengan menambahkan entitas seperti Intent, Route, Shortcut, Capability, dan ContextRequirement, dengan harness 'tipis', yang mengandalkan model yang kuat dan menekankan Capability, Workflow, ToolContract, Policy, Approval, Task, dan Trace. Artikel ini berpendapat bahwa harness tipis harus digunakan bila memungkinkan, tetapi harness tebal dapat mengkompensasi kelemahan model tanpa mengorbankan batas keamanan. Prinsip kuncinya adalah menolak permintaan yang tidak dapat dieksekusi sedini mungkin, melalui langkah-langkah seperti normalisasi input, pengikatan konteks, pemeriksaan akses, pemilihan alur kerja, dan gerbang kebijakan. Artikel ini juga menekankan untuk tidak menggunakan LLM saat tidak diperlukan, menangani peristiwa terstruktur atau perintah yang tepat dengan kode daripada model, untuk menghemat sumber daya dan mengurangi kesalahan. Disebutkan bahwa pilihan ketebalan harness adalah pertanyaan desain fundamental, dan bahwa harness tebal secara bertahap dapat 'ditipiskan' dengan memindahkan pengenalan maksud ke model.