Oppkjøp

Cosmos Software Factory flytter til Harness i Augment Code-aktivsalget

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Harness har ervervet utvalgte eiendeler fra Augment Code, inkludert Cosmos software factory, Auggie CLI, Code Context Engine og relatert teknologi, med teamet bak disse produktene som blir med inn i Harness, medgrunnlegger og administrerende direktør Jyoti Bansal kunngjorde i et Harness blogginnlegg 8. oktober 2026. Cosmos blir Harness Cosmos Software Factory Agent og er nå tilgjengelig.

Salg av eiendeler og lederuttalelser

Avtalen overfører utvalgte Augment Code‑eiendeler, spesifikt Cosmos software factory, Auggie CLI, Code Context Engine og relatert teknologi, til Harness, og de ansatte som bygde disse produktene flytter med dem. I følge selskapets pressemelding blir teamet med for å akselerere Harness sitt arbeid med å gjøre hele programvareutviklingslivssyklusen stadig mer autonom. Bansal skrev at Harness investerer i produktene, teknologien og menneskene som bygde dem.

I pressemeldingen sa Bansal at AI‑s påvirkning på programvare vil bli målt etter hvor mye verdifull programvare som når kundene, ikke hvor mye kode den genererer. Han presenterte oppkjøpet som en sammenslåing av kodekontekst med leverings‑ og produksjonskontekst, slik at agenter kan gjøre bedre endringer fra starten av. Igor Ostrovsky, medgrunnlegger og CTO i Augment Code, sa at selskapet hadde som mål å bringe AI inn i hele programvareutviklingslivssyklusen, med start i kontekstbevisst koding, og beskrev at tilslutningen til Harness er neste steg mot den visjonen.

Augment Code ga sin egen redegjørelse i et innlegg av administrerende direktør Matt McClernan publisert samme dag. McClernan skrev at selskapet gikk med på å selge de utvalgte eiendelene fordi, etter hans karakterisering, Harness sin integrerte plattform leverer disse funksjonene til kundene mer effektivt enn å bygge dem uavhengig. Han sa at flyttingen utvider rekkevidden til Augments utvikler‑fokuserte kodefunksjoner og fortsetter selskapets «opprinnelige oppdrag: forbedre programvareutvikling i stor skala ved hjelp av AI». Hans innlegg beskrev selskapets grunnleggende premiss: bedriftsutviklingsteam trengte en annen tilnærming til AI‑assistert koding fordi tradisjonelle verktøy behandlet kodegenerering som en frittstående oppgave, mens den vanskeligere utfordringen var å orkestrere AI‑skrevet kode på tvers av komplekse systemer i stor skala, noe selskapet kaller programvarefabrikker.

Hvordan Cosmos Software Factory fungerer

Cosmos får en definert rolle i Harness‑plattformen: den automatiserer ingeniørarbeid fra idé til kode, hvoretter Harness sine eksisterende agenter tar koden inn i produksjon og drift. Bansal skrev at arbeidsflytens mål er en endring som er klar for teamets merge‑beslutning.

Arbeidet i Harness Cosmos starter fra hendelser i stedet for kun manuelle utløsere. En tildelt sak, en rapportert feil, et skrevet krav, en åpen pull‑request, en aktivert alarm, en innkommende webhook eller en tidsplan kan hver for seg initiere arbeid. En flåte av Cosmos‑agenter planlegger deretter endringen, skriver koden og tester den, og åpner en pull‑request, og når en reviewer kommenterer eller en sjekk mislykkes, fikser en agent problemet i samme pull‑request, og følger arbeidet gjennom mislykkede sjekker og merge‑konflikter.

Hver agent kjører i sin egen isolerte virtuelle maskin og involverer en ingeniør ved vurderingspunkter, for eksempel ved godkjenning av et design eller ved den endelige merge‑en. Team kan starte med forhåndsbygde agenter kalt Eksperter, tilpasse hver enkelt til sin egen kodebase, og distribuere dem organisasjonsbredt. I pressemeldingen nevnes Project Builder, PR Author, Deep Reviewer og PR Fixer som forhåndsbygde Eksperter, mens Bansals innlegg lister opp PR Author, Deep Reviewer, Risk Analyzer og Verifier som eksempler team kan tilpasse.

Støttende infrastruktur inkluderer Code Context Engine, som holder et levende kart over kodebasen slik at endringer passer inn i den eksisterende koden; modellruting som matcher hver oppgave til en modell; innebygde integrasjoner med GitHub, Jira og Slack; delt minne som overfører lærdom fra hver gjennomgang til neste endring; samt versjons- og budsjettkontroller for å kjøre autonom koding på tvers av en ingeniørorganisasjon. Fabrikkens angitte resultat er en gjennomgått, merge‑klar pull‑request som Harness‑agenter deretter tester, sikrer og distribuerer.

Kodekontekst, leveringskontekst og styring

Harness planlegger å koble Code Context Engine, som kartlegger en kodebase og relasjonene som er relevante for en oppgave, med sin Software Delivery Knowledge Graph, som knytter sammen kontekst om hvordan programvare bygges, testes, sikres, distribueres og driftes. Bansals innlegg beskriver to tiltenkte fordeler ved å slå sammen de to: leverings‑ og produksjonskontekst, som testforventninger, sikkerhetskrav, distribusjonsbegrensninger og tidligere hendelser samt deres utbedringer, kan informere ingeniørarbeidet før en endring skrives, og funn fra gjennomgang, kvalitetstesting, sikkerhetstesting og distribusjonsverifisering kan returnere til ingeniørarbeidsflyten med bevisene som trengs for å undersøke, korrigere og revalidere en endring.

Innlegget illustrerer løkken med en sårbarhet i en distribuert tjeneste. Tilknyttet kontekst identifiserer den berørt kode, den distribuerte versjonen, relevante avhengigheter og sjekkene en korreksjon må bestå. Harness Cosmos forbereder et foreslått fix, og gjennomgang, kvalitetstesting og sikkerhetstesting gir tilbakemelding, og etter de nødvendige sjekkene og godkjenningene tar Software Delivery Agent endringen gjennom distribusjon og verifisering. Hvis en test‑ eller distribusjonssjekk avdekker en regresjon, returnerer beviset til ingeniørarbeidsflyten slik at endringen kan korrigeres og sjekkes på nytt, og en utrulling kan gjennomføres eller rulles tilbake i henhold til teamets leveringspolicyer. Pressemeldingen sier at agentene kan gå i løkke til problemet er løst.

Cosmos blir med i de eksisterende agentene i Harness-plattformen. Software Delivery Agent bygger og distribuerer programvare, håndterer infrastruktur‑ og databaseendringer, og verifiserer distribusjoner, med tilbakeføring der det er konfigurert. Security Testing Agent identifiserer, prioriterer og adresserer risikoer på tvers av kode, avhengigheter og programvareforsyningskjeden. Runtime Protection Agent arbeider for å forstå sikkerhetsposisjonen og beskytte applikasjoner, API‑er og AI i produksjon mot trusler i kjøretiden. Cost Management Agent kontrollerer og optimaliserer sky‑ og AI‑kostnader, og knytter synlighet og optimalisering av forbruk til innsikt om ingeniøreffektivitet.

Harness Cosmos‑arbeidsflyter vil kobles til plattformens eksisterende policy‑as‑code, tilgangskontroller, godkjenninger og revisjonsspor. Bansal skrev at autonominivået bør reflektere risiko, og sammenlignet en kun dokumentasjonsoppdatering med en endring i betalingsbehandlingen, og at rutinearbeid med lav risiko kan gjennomføres innen godkjente policyer mens endringer med høyere risiko krever ekstra validering eller menneskelig vurdering. «Autonomi bør redusere repeterende arbeid, ikke ansvarlighet», skrev han.

Kunder kan ta i bruk Harness Cosmos, fortsette å bruke sine foretrukne kodeverktøy, eller bruke begge, i henhold til kunngjøringen. Harness Cosmos er tilgjengelig nå, og Bansals innlegg veileder team til å starte med en ingeniørarbeidsflyt de ønsker å automatisere, fra å opprette en sak til å forberede en pull‑request.

Evan Mercer er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-oppstartsbedrifter, venturekapital og finansieringsdynamikken som former neste generasjon av teknologiselskaper. Rapporteringen hans fokuserer på tidligfaseinnovasjon, kapitalstrømmer og de strategiske beslutningene grunnleggere og investorer tar når AI-selskaper skalerer fra konsept til global påvirkning.

Med et strategisk og analytisk perspektiv undersøker Evan finansieringsrunder, markedsposisjonering og fremvoksende trender i AI-oppstartsmiljøet. Han følger hvordan venturekapital, bedriftsinvesteringer og børsnoterte markeder krysser med gjennombrudd innen kunstig intelligens, og skiller varige signaler fra kortsiktig hype.

Artiklene skrevet av Evan Mercer er AI-genererte og gjennomgås av Unite.AI sitt redaksjonelle team for å sikre nøyaktighet, kontekst og ansvarlig dekning av det globale AI-investeringslandskapet