Slava Dubrov Edge of Context
Rechercher

Edge of Context

Notes de terrain pratiques sur les composants des systèmes AI qui doivent résister aux contraintes de la production : agents, évaluation, sécurité, mémoire, recherche d’information, ingénierie des modèles et infrastructure.

Recursive Harness Engineering explore des systèmes qui améliorent d’autres systèmes AI, allant d’expériences de configuration contrôlées à des approches comme le recursive agent harnessing.

Commencez par l’une des séries ci-dessous ou parcourez tous les articles par thème.

Séries · Parties: 6

Engineering the Agentic Stack

Dans l'ordre. Commencez par la boucle.

Ouvrir le lab →

Parcourez les parties →

  1. 01 Reasoning loops des agents AI : ReAct, ReWOO, Plan-and-Execute 17 min
  2. 02 Architecture de la mémoire des agents AI : checkpoints et bases vectorielles 31 min
  3. 03 AI Agent Tool Use : MCP, CLI, Skills et exécution de code 27 min
  4. 04 Sécurité des agents AI : permissions, sandboxes et menaces MCP 30 min
  5. 05 Runtime d’AI agent longue durée : sessions et checkpoints 36 min
  6. 06 Harness engineering pour les agents AI : vérifier l’achèvement 24 min

Séries · Parties: 2

Building and Evaluating Agent Harnesses

Construire le harness, puis mesurer chaque changement.

Ouvrir le lab →
  1. 01 Concevoir un harness d’agent : de la tâche à l’architecture 32 min
  2. 02 Agent ou workflow : cinq conceptions pour un seul assistant de support 25 min

Séries · Parties: 1

Recursive Harness Engineering

Amélioration récursive contrôlée : un harness en améliore un autre.

Ouvrir le lab →
  1. 01 Recursive harness engineering : des traces à une meilleure mémoire 22 min

Guides et réponses rapides

Tous les articles 36

  7. Agents IA

    Mémoire des AI agents : état guidé par schéma et provenance

    Pourquoi les AI agents en production ont besoin d’une mémoire guidée par schéma, avec validité temporelle, provenance et gestion structurée des conflits, plutôt que d’une recherche vectorielle sur du texte brut.

    · 20 min

  9. Agents IA Partie 5

    Runtime d’AI agent longue durée : sessions et checkpoints

    Continuer une exécution d’agent malgré les pannes de worker, réconcilier les effets d’outils incertains et choisir un runtime : file d’attente et worker, Temporal, sandboxes ou agents hébergés.

    · 36 min

  12. Systèmes de recherche et de langage

    Guide NER 2026 : GLiNER, spaCy, Transformers et LLMs

    En 2026, la NER consiste à choisir entre GLiNER, spaCy, Transformers et l’extraction par LLM selon la latence, la précision et le contrôle du schéma.

    · 51 min

  23. Agents IA · Ingénierie des modèles

    Schema-Guided Reasoning : vLLM, XGrammar et Pydantic

    Comment le Schema-Guided Reasoning utilise vLLM, XGrammar, les schémas Pydantic et le constrained decoding pour imposer des sorties de LLM structurellement valides.

    · 19 min

  24. Ingénierie des modèles · Infrastructure IA

    Guide de serving LoRAX : adapters LoRA sur Kubernetes à grande échelle

    Évaluez et déployez LoRAX pour le serving de LoRA à longue traîne, avec les APIs actuelles, le durcissement du chart Kubernetes, la sécurité des adapters, le routage tenant compte du cache et les compromis face à vLLM.

    · 19 min

  27. Agents IA · Outils de développement

    Serveur MCP avec Python, uv et FastMCP

    Construisez un serveur MCP personnalisé avec uv et FastMCP, exposez des outils de feature store ML, testez-les en local et connectez le serveur à Claude Desktop.

    · 11 min

  28. Ingénierie des modèles

    Variantes, formats et quantification des LLM open-weight

    Comment lire les noms de modèles open-weight en séparant le rôle d'entraînement, l'architecture, la méthode de quantification, le format de stockage, le runtime et le matériel adapté.

    · 18 min

  30. Ingénierie des modèles · Outils de développement

    LLMs locaux sur macOS : Ollama, LM Studio, MLX, llama.cpp

    Comparez les outils LLM locaux sur macOS selon l'interface, le format de modèle, la marge mémoire, l'exposition de l'API et le workflow de développement sur Apple Silicon.

    · 14 min

  31. Outils de développement

    Guide de pyproject.toml : packaging, dépendances et outils

    Comment fonctionne pyproject.toml pour les systèmes de build, les métadonnées du projet, les dépendances d'exécution, les groupes de développement, les points d'entrée CLI et la configuration des outils.

    · 10 min