Az előadás az AI ügynökök fejlesztésének egyre fontosabb aspektusát, a harness engineering, vagyis a keretrendszer-mérnökség témáját járja körül. Felhívja a figyelmet arra, hogy nemcsak a kódoló AI ügynökök, hanem a különféle automatizálási és üzleti céllal fejlesztett ügynökök esetén is kulcsfontosságú a szabályok, munkafolyamatok és visszacsatolási folyamatok folyamatos fejlesztése.
A videóban betekintést kapunk abba, hogyan épül fel egy modern AI ügynök keretrendszere, hogyan lehet a hibákat és bizonytalanságokat nyomon követni, és miként hasznosíthatók ezek az információk az ügynök tudásának és működésének fokozatos tökéletesítésében. Kiemeli ennek szükségességét a valódi felhasználók által generált kérdések és problémák alapján.
Megismerhetjük, miként alakíthatók ki olyan tanulási körök, amelyek során az ügynök memóriáját fejlesztjük a múltbeli hibák, felhasználói visszajelzések és explicit javítások segítségével. A bemutató során példák is láthatók arra, hogyan tanítható meg egy helpdesk AI ügynök arra, hogy új szituációkat már magabiztosabban kezeljen a tanulságok alapján.
A szerző kiemeli, hogy a szabályrendszer és működési elvek frissítése nemcsak automatikusan, hanem felügyelt módon, kontrollált jóváhagyási folyamatokon keresztül történik, így az ügynök fejlődése végig kézben tartható. Felmerül az is, hogyan alkalmazhatók ezek a fejlesztések különböző platformokon és környezetekben, többek közt a Slack integrációban.
