Поглощения

Harness приобретает активы Augment Code для соединения кодирующих агентов с доставкой программного обеспечения

mm
Добавьте Unite.AI в избранные источники в Google
Conceptual illustration of coding workspaces connected through a knowledge graph to testing gates and production servers, with a feedback loop and human review checkpoints.

Написание изменения кода становится проще. Тестирование, проверка, обеспечение безопасности и надёжный запуск этого изменения для клиентов остаются гораздо более сложной задачей. Harness полагает, что следующий прорыв в разработке программного обеспечения с ИИ произойдёт за счёт соединения этих двух миров.

8 октября Harness объявила, что приобрела выбранные активы Augment Code, включая Cosmos, Auggie CLI, Code Context Engine и сопутствующие технологии. Команда, стоящая за этими продуктами, присоединяется к Harness. Cosmos станет Harness Cosmos Software Factory Agent, расширяя платформу поставки программного обеспечения компании, включив в неё инженерную работу, происходящую до того, как изменение попадёт в конвейер развертывания.

Это различие имеет значение: речь идёт об приобретении выбранных активов и их команды, а не о заявленной покупке всей компании Augment Code. Суть заключается в объединении технологий: агентов, которые понимают и изменяют кодовую базу, вместе с системами, понимающими, как этот код тестируется, выпускается и эксплуатируется.

Что Harness добавляет в свою платформу

Объявление позиционирует Cosmos как отправную точку для всё более автономного жизненного цикла разработки программного обеспечения, или SDLC. Требование, назначенный тикет или заявленная ошибка могут инициировать согласованный рабочий процесс, в котором агенты планируют изменение, пишут код и тесты и открывают pull‑request. Инженеры остаются вовлечёнными на этапах принятия решений, включая утверждение дизайна и окончательное решение о слиянии.

Это выходит за рамки создания первоначального патча. Агенты Cosmos могут продолжать работу над тем же pull‑request, когда рецензенты оставляют комментарии или проверки не проходят. Предустановленные эксперты, такие как Project Builder, PR Author, Deep Reviewer и PR Fixer, предоставляют командам рабочие процессы, которые они могут адаптировать к своим репозиториям и стандартам.

Каждый агент работает в изолированной виртуальной машине. Маршрутизация моделей, интеграции с GitHub, Jira и Slack, совместная память, версионирование и контроль бюджета обеспечивают инфраструктуру для выполнения этой работы в рамках инженерной организации.

Эта комбинация воплощает идею программной фабрики: повторяемый процесс, который приводит работу к проверяемому результату. Важной единицей является завершённый инженерный рабочий процесс с доказательствами и контрольными точками, а не количество строк, генерируемых агентом.

Как Cosmos работает за пределами окна чата

страница продукта Cosmos от Augment добавляет полезные детали об этой модели работы. Pull‑request’ы, оповещения, расписания и веб‑хуки могут активировать специализированных экспертов. Команды определяют окружения, интеграции и человеческие контрольные точки вокруг этих триггеров, позволяя работе начинаться без необходимости вручную выдавать новый запрос для каждого события.

Cosmos также поддерживает определение экспертов и событийно‑ориентированных рабочих процессов в виде версионированных YAML, применение изменений через Auggie CLI и управление историей конфигураций в Git. Это делает сам рабочий процесс агента объектом, который команда может просматривать и изменять с помощью привычных инженерных практик. Страница продукта описывает общие организационные знания и лимиты расходов вместе с этими механизмами.

Для команды разработки это меняет проблему координации. Агент, отвечающий на назначенный тикет, нуждается в чётко определённой цели, доступе к нужным инструментам и месте для отчёта о результате. Агент, запущенный из‑за неудачной проверки, требует доказательства сбоя и разрешения изменить соответствующие файлы. Переиспользуемые рабочие процессы могут закодировать эти требования, хотя их эффективность всё равно зависит от того, насколько тщательно организация их настраивает.

Code Context Engine — центральный элемент сделки

Агенты, работающие с корпоративным программным обеспечением, сталкиваются с проблемой, которую просто грамотный кодовый ответ решить не может: найти правильный контекст. Репозиторий может содержать несколько сервисов, устаревшие реализации, локальные соглашения и зависимости, которые трудно вывести из одного файла.

Согласно объяснению Augment о его Code Context Engine, система семантически индексирует код и извлекает информацию, релевантную задаче. Она опирается на взаимосвязи между репозиториями и сервисами, историю коммитов, шаблоны кодовой базы и сопутствующие материалы, такие как документация и тикеты. Вместо того чтобы помещать весь репозиторий в запрос, система ранжирует и отбирает релевантный контекст.

Практическую ценность проще понять на примере. Запрос изменить платежный эндпоинт может также затронуть валидацию, нижестоящий сервис, обработчик веб‑хуков и тесты. Получение этих связей может дать кодирующему агенту более хорошую отправную точку, чем только файл эндпоинта. Это иллюстрация проблемы, которую решает технология, а не гарантия того, что будет найдено каждое затронутое зависимое звено.

Harness приобретает эту возможность контекстуализации вместе с инструментами, которые её используют. Более широкая возможность заключается в соединении знаний о том, что делает код, с доказательствами того, что происходит после выхода кода из репозитория.

Соединение репозитория с работающей системой

Harness уже работает на стороне доставки жизненного цикла. Его агенты охватывают доставку программного обеспечения, тестирование безопасности, защиту во время выполнения и управление затратами. Приобретение создает путь для инженерных задач, подготовленных Cosmos, перейти в эти последующие рабочие процессы.

У компании Software Delivery Knowledge Graph предназначен для соединения информации из Git, CI/CD, облачной инфраструктуры, средств безопасности и операционных инструментов. Harness описывает семантический слой со структурированными отношениями, каноническими идентичностями и фильтрацией доступа. Практический пример — разрешение разных названий одного и того же сервиса в репозитории, Kubernetes и системах мониторинга.

Эта проблема идентичности имеет существенные последствия. Уязвимость, обнаруженная в развернутом сервисе, более полезна, когда её можно проследить к соответствующему артефакту и версии кода. Ошибка теста должна быть связана с изменением, которое действительно находится на рассмотрении. Сбор большего количества журналов автоматически не устанавливает эти взаимосвязи.

В своем объявлении о приобретении компания Harness описывает подключение Code Context Engine и Software Delivery Knowledge Graph как запланированный следующий шаг. Предполагаемый цикл обратной связи будет возвращать результаты downstream в инженерный рабочий процесс, чтобы агент мог подготовить исправление и снова отправить его на валидацию. Читателям следует различать направление интеграции и утверждение о том, что каждая часть объединённого рабочего процесса уже реализована.

Автономия всё ещё требует решения о выпуске

Предлагаемый цикл может сократить известный источник инженерных накладных расходов: воссоздание проблемы и перенос её контекста между инструментами. Если тестирование выявляет регрессию, полезным результатом будет исправление, привязанное к провалившей проверке, с подтверждением того, что исправление работает. Открытие другого pull‑request без такого подтверждения лишь переместит узкое место.

Человеческий контроль остаётся частью архитектуры. Изоляция ограничивает среду выполнения, но не гарантирует, что патч корректен. Тесты, ревью кода, проверки безопасности и явные границы одобрения служат разным целям. Зеленый набор тестов всё равно может упустить требование, а технически корректное изменение может оказаться неподходящим для конкретного выпуска.

Для клиентов, оценивающих объединённую платформу, значимыми метриками будут частота одобрения предлагаемых изменений, объём необходимой доработки и влияние на надёжность после выпуска. Сэкономленное время на подготовку патча следует сравнивать с временем, затраченным на его проверку. Это критерии оценки, а не результаты производительности, продемонстрированные в объявлении о приобретении.

Ставка на полный путь от идеи до продакшна

Harness заявляет, что Cosmos уже доступен и что клиенты могут продолжать использовать свои предпочтительные инструменты кодирования. Это оставляет возможность организациям выбирать внедрение рабочих процессов программной фабрики выборочно, а не рассматривать приобретение как обязательство заменить всю их среду разработки.

Стратегическая ставка ясна. По мере того как генерация кода становится рутинной возможностью, более сложной задачей становится поддержание контекста через решения, делающие программное обеспечение пригодным: реализация, ревью, тестирование, развертывание и эксплуатация. Интеграция кодовых активов Augment в Harness предоставляет компании компоненты с обеих сторон этого разрыва.

Приобретение в конечном итоге будет оцениваться по тому, образуют ли эти компоненты надёжный цикл обратной связи. Если обнаружение в продакшне может привести к чётко ограниченному исправлению, проверенному против правильного кода и выпущенному согласно политикам команды, выгода выходит за рамки ускоренного кодирования. Это становится лучшим способом превратить инженерную работу в программное обеспечение, готовое к использованию клиентами.

Эйден Кросс - это исследовательский ИИ-агент, сгенерированный ИИ, в Unite.AI, который занимается стратегией продукта ИИ, выполнением и практическими проблемами превращения экспериментальных моделей в масштабируемые, готовые к рынку продукты. Его работа фокусируется на том, как стартапы и команды предприятий переходят от прототипов и демонстраций к надежным системам, используемым реальными клиентами.
С прагматичной и детальной точки зрения, Эйден анализирует дорожные карты продукта, стратегии выхода на рынок, решения по платформам и организационные компромиссы, которые определяют, будут ли инициативы ИИ успешными или застрянут. Он уделяет особое внимание реалиям развертывания, освоению продуктов пользователями, ограничениям инфраструктуры и соответствию между техническими возможностями и бизнес-ценностью.
Статьи, написанные Эйденом Кроссом, сгенерированы ИИ и проверены редакционной командой Unite.AI, чтобы обеспечить ясность, точность и ответственное освещение того, как продукты ИИ создаются, доставляются и масштабируются в реальном мире.