LLM-jp-4を使ってみる（ついでに英語翻訳比較）

2026年8月29日

はじめに

国産LLMであるLLM-jp-4を使ってみる。

環境

• Ubuntu 22.04 LTS
• Intel Core i9-14900K、メモリ 32GB
• NVIDIA GeForce RTX 4090 (24GB)

llama.cppのセットアップ

ここ に従う。

$ mkdir -p ~/opt/llmjp4_llama-jp
$ cd ~/opt/llmjp4_llama-jp
$ git clone https://github.com/llm-jp/llama.cpp
$ cd llama.cpp
$ cmake -B build -DGGML_CUDA=ON
$ cmake --build build --config Release -j

モデルはこのあたりから入手

• llm-jp-4-33b-thinking-gguf
• llm-jp-4-32b-a3b-thinking-gguf

以下のようなスクリプトrun_llm-jpを作る。

llm-jp-4-33b-thinking-Q4_K_M

#!/bin/sh
BASE=`dirname $0`
    --model $BASE/model/llm-jp-4-33b-thinking-Q4_K_M.gguf \
    --jinja \
    --host 127.0.0.1 \
    --port 1235 \
    --ctx-size 65536 \
    --n-gpu-layers 40

llm-jp-4-32b-a3b-thinking-Q4_K_M

#!/bin/sh
BASE=`dirname $0`
    --model $BASE/model/llm-jp-4-32b-a3b-thinking-Q4_K_M.gguf \
    --jinja \
    --host 127.0.0.1 \
    --port 1235 \
    --ctx-size 65536 \
    --n-gpu-layers 25

--n-gpu-layersはGPUにオフロードするレイヤー数で、多いと速度が上がるがVRAMの容量を食う。

実行

$ chmod +x run_llm-jp
$ ./run_llm-jp

テスト

$ curl http://127.0.0.1:8080/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "llm-jp-4-33b-thinking-Q4_K_M",
        "messages": [
            {"role": "user", "content": "Transformer 言語モデルについて教えてください。"}
        ],
        "max_tokens": 512
    }'

それっぽいものが返ってくればOK。

Pi Coding Agentからの利用

~/.pi/agent/models.json

{
  "providers": {
    "llm-jp": {
      "baseUrl": "http://localhost:1235/v1",
      "api": "openai-completions",
      "apiKey": "llm-jp",
      "models": [
        {
          "id": "llm-jp-4-33b-thinking-Q4_K_M",
          "name": "LLM-jp-4 33B"
        }
      ]
    }
  }
}

ただし、おしゃべりくらいしかできない。

英語翻訳ツールの作成と英語翻訳比較

LLM-jp-4の実力を確認するために、英語のドキュメントを日本語のドキュメントに翻訳するツールを作った。

Pi+LM Studio/Laguna XS 2.1を使用。

• translate-20260829.tar.gz

使い方

$ uv sync
$ uv run translate.py doc-en.md doc-jp.md "ですます調にして"

第3引数は追加指示（プロンプト）で、省略可能。デフォルトはLM StudioのGemma 4 E4Bを使う。LLM-jp-4を使うためには、次のようにする。

$ TRANSLATE_API_BASE="http://127.0.0.1:1235/v1" TRANSLATE_MODEL="llm-jp-4-33b-thinking-Q4_K_M" uv run translate.py doc-en.md doc-jp.md "ですます調にして"

比較

原文

# Harness Engineering

## 1. Introduction

The term "harness engineering" is heard frequently, but its meaning is not obvious to everyone. This document explains what it is.

Two years ago the question was whether AI agents can work. Today the question is different: whether AI agents can work reliably, consistently, and at scale. This shift created a new engineering discipline. If you have heard the term "harness engineering" but are unsure what it means, this guide is your starting point.

This document covers what a harness is, the basics of harness engineering, why it matters now, and how it relates to prompt engineering and context engineering. Content outside the source materials is not included.

## 2. What Is a Harness

### 2.1 Origin of the term

The word "harness" borrows from horse tack: the reins, saddle, bit, and bridle that together let a rider channel a powerful animal in a specific direction. The horse provides the raw power. The harness provides the control.

In AI systems the "horse" is the large language model. GPT-4, Claude, Gemini, and Llama are capable, fast, and increasingly powerful. But on their own they do not know where to go. They hallucinate. They lose track of long tasks. They call the wrong tools at the wrong time. They generate code that compiles but does not work.

A harness does not replace the intelligence of the model. It channels it.

いくつかの記事からLLM（Ornithだったと思う）にまとめてもらったもの。これを「である調」の日本語に翻訳してもらう。

LLM-jp-4 33B

# ハーネスエンジニアリング  

## 1. はじめに  

「ハーネスエンジニアリング」という用語は頻繁に耳にするものの、その意味は誰にでも明らかではない。本稿ではそれが何であるかを説明する。  

二年前に問われたのは「AI エージェントは働くことができるか」であった。今日の問いは異なる。「AI エージェントは信頼性・一貫性を保ちつつ、スケールして働くことができるか」だ。このシフトにより新たな工学分野が誕生した。もし「ハーネスエンジニアリング」という言葉を聞いたことがあるが意味が不明瞭であるならば、このガイドが出発点となるだろう。  

本稿ではハーネスとは何か、ハーネスエンジニアリングの基本、なぜ今重要なのかを概観し、さらにプロンプトエンジニアリングやコンテキストエンジニアリングとの関係について解説する。ただし、出典外の内容は含めない。  

## 2. ハーネスとは  

### 2.1 用語の由来  

「ハーネス」という語は馬具から借用されたものであり、手綱、鞍、ビット、そして乗馬用ブライドが組み合わさって、騎手に強力な動物を特定方向へ導く役割を果たす。馬が原初の動力を提供し、ハーネスが制御を提供するのである。  

AI システムにおいて「馬」に相当するのは大規模言語モデルである。GPT‑4、Claude、Gemini、Llama といったモデルは高速かつますます高性能である。しかし、単独では目的を把握せず、幻覚を起こす。長時間のタスクを途中で見失い、誤ったツールを適切なタイミングで呼び出す。コンパイルは通っても実際に機能しないコードを生成する、といったことが起こり得る。  

ハーネスはモデルの知能を置き換えるものではない。むしろ、その知能をチャネル（制御）する役割を担うのである。

確かに日本語らしい日本語かもなあと感じる。文章全体（実際はこの10倍程度の量がある）の翻訳は、一括だとやたらと時間がかかるので、段落ごとに分割して翻訳するようにした（バッチモード。これ以外のモデルは全文一括翻訳）。

LLM-jp-4 32B A3B

**ハーネスエンジニアリング**  

## 1. はじめに  
「ハーネスエンジニアリング」という言葉は頻繁に耳にしますが、意味は誰にでも明確ではありません。本稿ではそれが何かを解明します。

2 年前は AI エージェントが働けるかどうかが議論の中心でした。現在は **信頼性・一貫性・大規模運用** ができるかどうかが問題となっています。この転換が新しいエンジニアリング領域を生み出しました。  
「ハーネスエンジニアリング」という言葉を聞いたことがあるが、その意味が分からないという方は、本稿が出発点です。

本稿では **ハーネスとは何か**、ハーネスエンジニアリングの基本、なぜ今重要なのか、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとの関係について説明します。ソース外の内容については取り扱いません。

## 2. ハーネスとは何か  

### 2.1 用語の由来  
「ハーネス」は馬の鞍具（手綱、鞍、ビット、ブリンドル）に由来します。これらは騎手が強力な動物を特定方向へ導くための制御装置です。馬は原動力、ハーネスはその制御です。

AI システムにおける **馬** は大規模言語モデルです。GPT‑4、Claude、Gemini、Llama などは高速で、ますます強力ですが、**自ら行くべき方向を知らない**。彼らは幻覚を起こし、長期タスクで迷子になり、誤ったツールを呼び出し、コンパイルは通るが実際に動かないコードを生成したり…  

**ハーネスはモデルの知能を置き換えるのではなく、** その力を **チャネル** します。  

指示を無視しているし、そんなに日本語が得意なようにも見えない。

Gemma 4 E4B

# ハーネス工学（Harness Engineering）

## 1. はじめに

「ハーネス工学」という言葉は頻繁に耳にするものの、その意味を理解している人は少ない。本ドキュメントでは、この概念について解説する。

2年前、議論の焦点はAIエージェントが動作するかどうかであった。今日、その問いは異なる。「AIエージェントが信頼性をもって、一貫して、かつ大規模に動作できるか」という点に変わったのだ。このパラダイムシフトによって、新たな工学分野が生まれたのである。もしあなたが「ハーネス工学」という言葉を聞いたものの、それが何を意味するのか確信が持てない場合、本ガイドはあなたの出発点となるだろう。

本ドキュメントでは、「ハーネスとは何か」「ハーネス工学の基礎」「なぜ今これが重要なのか」、そして「プロンプトエンジニアリングやコンテキストエンジニアリングとの関連性」を網羅する。ソース資料に含まれていない内容は含めないものとする。

## 2. ハーネスとは何か

### 2.1 用語の由来

「Harness（ハーネス）」という単語は、馬具に由来している。すなわち、手綱、鞍、ビット、頭絡といった一連の装備が組み合わさることで、騎手が力強い動物を特定の方向に導くことを可能にする。馬が生の力を提供する側であるなら、ハーネスはコントロールを提供する側となるのである。

AIシステムにおける「馬」こそが大規模言語モデル（LLM）だ。GPT-4、Claude、Gemini、Llamaなどは、高性能で高速であり、その力は増大している。しかし、それ自体ではどこへ向かうべきかを知らない。ハルシネーションを起こすし、長期的なタスクの途中で経緯を見失い、間違ったタイミングで間違ったツールを呼び出す。コンパイルはするが動作しないコードを生成することも少なくない。

ハーネスはモデルの知能を置き換えるものではない。それは、その知能を「導く（チャネリング）」ための構造体なのである。

Gamma 4 12B QAT

# ハーネス・エンジニアリング

## 1. はじめに

「ハーネス・エンジニアリング（Harness Engineering）」という言葉は頻繁に耳にするが、その意味を正確に理解している人は必ずしも多くない。本ドキュメントでは、それが何を意味するのかを解説する。

2年前、問いは「AIエージェントは機能するか」であった。今日、その問いは変化している。すなわち「AIエージェントは、信頼性、一貫性、そしてスケールを伴って機能するか」という問いだ。この変化によって、新しいエンジニアリングの分野が生まれた。もし「ハーネス・エンジニアリング」という言葉を聞いたが、その意味に確信が持てないのであれば、このガイドを起点としてほしい。

本ドキュメントでは、ハーネスとは何か、ハーネス・エンジニアリングの基礎、なぜ今それが重要なのか、そしてそれがプロンプト・エンジニアリングやコンテキスト・エンジニアリングとどのように関連しているかを扱う。ソース資料以外のコンテンツは含まれていない。

## 2. ハーネスとは何か

### 2.1 用語の語源

「ハーネス（Harness）」という言葉は、馬具から借用されている。轡（くばり）、鞍、手綱、頭絡などは、馬という強力な動物を特定の方向に導くためにセットで用いられる。馬は「生のパワー」を提供し、ハーネスは「制御」を提供する。

AIシステムにおいて「馬」にあたるのは、大規模言語モデル（LLM）である。GPT-4、Claude、Gemini、Llamaなどは有能で高速であり、ますます強力になっている。しかし、それ自体ではどこへ進めばよいかを知らない。ハルシネーション（幻覚）を起こし、長いタスクを見失い、不適切なタイミングで間違ったツールを呼び出し、コンパイルは通るが動作しないコードを生成する。

ハーネスはモデルの知能を置き換えるものではない。それを「導く」ものである。

Gamma 4 31B QAT

# ハーネスエンジニアリング（Harness Engineering）

## 1. はじめに

「ハーネスエンジニアリング」という言葉を耳にする機会は増えたが、その意味が誰にでも明白なわけではない。本ドキュメントでは、それが何であるかを解説する。

2年前の問いは「AIエージェントは機能するのか」であった。しかし、今日の問いは異なる。「AIエージェントは、信頼性高く、一貫して、そして大規模に機能するのか」である。この転換が、新しいエンジニアリング分野を生み出した。「ハーネスエンジニアリング」という言葉を聞いたことはあるが、意味がよく分からないという人にとって、本ガイドがその出発点となる。

本ドキュメントでは、ハーネスとは何か、ハーネスエンジニアリングの基礎、なぜ今それが重要なのか、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとどのように関連しているかを扱う。なお、提供されたソース資料以外の内容は含めていない。

## 2. ハーネスとは何か

### 2.1 用語の由来

「ハーネス（harness）」という言葉は、馬具（手綱、鞍、ハミ、頭絡など）から借用されている。これらが揃うことで、乗り手は強力な動物を特定の方向に導くことができる。馬が「原動力」を提供し、ハーネスが「制御」を提供する。

AIシステムにおいて、この「馬」にあたるのが大規模言語モデル（LLM）である。GPT-4、Claude、Gemini、Llamaなどは有能で高速であり、ますます強力になっている。しかし、単体ではどこへ向かうべきかを知らない。ハルシネーションを起こし、長期的なタスクの途中で脱線し、不適切なタイミングで誤ったツールを呼び出し、コンパイルは通るが動作しないコードを生成する。

ハーネスは、モデルの知能を置き換えるものではない。その知能を「方向付ける」ものである。

Gemmaは総じて日本語が得意な印象である。

Qwen3.8 27B (Reasoning: medium)

# ハネスエンジニアリング

## 1. はじめに

「ハネスエンジニアリング」という用語はよく耳にするようになったが、その意味を正確に理解している人は多くない。本ドキュメントでは、その内容を説明する。

2年前であれば、問いは「AIエージェントは機能するのか」であった。今日では、問いは変わっている。AIエージェントは、信頼性をもって、一貫性をもって、スケールして機能するのか、という問いである。この変化が、新たなエンジニアリング分野を生み出した。「ハネスエンジニアリング」という言葉を聞いたものの、その意味が定かでないという読者にとって、このガイドが出発点となる。

本ドキュメントでは、ハネスとは何か、ハネスエンジニアリングの基礎、なぜ今重要なのか、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとの関係について述べる。出典資料の範囲を超える内容は含まない。

## 2. ハネスとは何か

### 2.1 用語の由来

「harness」という言葉は、馬具から借用されている。手綱、鞍、銜え、ブリドル——これらが組み合わさることで、騎手が力強い馬を特定の方向へ導くことが可能になる。馬が原動力を提供する。ハネスが制御を提供する。

AIシステムにおいては、この「馬」が大規模言語モデルである。GPT-4、Claude、Gemini、Llamaは、能力に優れ、高速で、ますます強力になっている。しかし、単体では行くべき方向を知らない。幻覚を起こす。長時間のタスクで道筋を見失う。不適切なタイミングで不適切なツールを呼び出す。コンパイルは通るが動作しないコードを生成する。

ハネスは、モデルの知性を置き換えるものではない。それを導くのである。

Qwenは、日本語が苦手なわけではないが、少し不自然な感じがするところがある。

Ornith 1.5 35B A3B

# ハーネスエンジニアリング

## 1. はじめに

「ハーネスエンジニアリング」という用語は頻繁に耳にするが、その意味は必ずしも誰もが理解しているわけではない。この文書では、それが何なのかを説明する。

2年前の問いは、AIエージェントは動作しうるかどうかであった。今日の問いは異なる：AIエージェントは信頼性・一貫性・スケーラビリティを持って動作しうるかどうかである。この転換が、新しい工学分野を生み出した。「ハーネスエンジニアリング」という用語を聞いたことはあっても、その意味が不明であれば、このガイドがあなたの出発点となるだろう。

この文書では、ハーネスとは何か、ハーネスエンジニアリングの基礎、それがなぜ今重要なのか、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとどのように関連するのかを扱う。ソース資料に含まれない内容は含めない。

## 2. ハーネスとは何か

### 2.1 用語の由来

「harness（ハーネス）」という語は、馬具から借用している：乗馬手が強力な動物を特定の方向へ導くために一緒に用いられる手綱・鞍・銜め・たがである。馬が原動力を提供する。ハーネスが制御を提供する。

AIシステムにおける「馬」は大規模言語モデルである。GPT-4、Claude、Gemini、Llamaは能力があり、速く、ますます強力になっている。しかし単独では、どこへ行くべきか知らない。幻覚を起こす。長いタスクの軌道を見失う。誤ったツールを誤った時刻に呼び出す。コンパイルはするが動作しないコードを生成する。

ハーネスはモデルの知性を置き換えるものではない。それを導くものである。

Ornithは、日本語はそんなに悪くはないが（QwenとGemmaベースらしいが）、若干Qwenっぽさを感じる。

Qwen3 Swallow 32B RL v0.2

# ハーネスエンジニアリング  

## 1. 序論  

「ハーネスエンジニアリング」という言葉は頻繁に耳にするが、意味があまりはっきりしていない人も多い。この文書ではその内容を説明する。  

2 年前には AI エージェントが実際に動作できるかどうかという問いがあった。今日の問いは異なる。「AI エージェントは信頼性・一貫性・スケールで動作できるか」ということだ。この変化が新たな工学分野を生み出した。もし「ハーネスエンジニアリング」という言葉を聞いたことがあるが意味が分からないのであれば、本書は出発点となる。

この文書では **ハーネス** とは何か、ハーネスエンジニアリングの基本、なぜ今重要なのか、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとの関係を扱う。ソース資料以外の情報は含めない。

---

## 2. ハーネスとは何か  

### 2.1 用語の起源  

「ハーネス」という語は乗馬具に由来する。手綱・鞍・ビット・ブリッジが一体となって、乗り手が強力な動物（馬）を特定の方向へ導く装置である。馬は生の力を提供し、ハーネスは制御を行う。  

AI システムにおいて **「馬」** に相当するのは大規模言語モデルである。GPT‑4、Claude、Gemini、Llama などは高性能・高速であり、ますます強力になる。しかし単体では何に向かうべきか分からない。幻覚（hallucination）を起こす。長期タスクで道を見失う。誤ったツールを呼び出すことがある。コンパイルは通っても実際に動かないコードを生成することがある。  

ハーネスはモデルの知能を置き換えるものではない。**それを導く** ものである。

せっかくなので、以前から日本語に強いと言われているSwallowモデルも試してみた。ちょっと直訳っぽさがある。

どうでもよい部分ではあるが、馬具の用語を正しく処理できているのはGemmaだけである。

評価

LLM自身に、自然な日本語だと思う上位3つの結果を（モデル名は隠して）選択してもらった。

LLM-jp-4 33B

1. Gemma 4 E4B
2. LLM-jp-4 33B
3. Qwen3 Swallow 32B RL v0.2

やはり日本のモデルがよく見えるのだろうか。ただ、LLM-jp-4 32B A3Bがダメな理由が「Claudeなどのつづりのミスがある」と言っていて、あまり妥当な評価ではないかもしれない。

Gemma 4 31B QAT

1. Gamma 4 31B QAT
2. Gamma 4 12B QAT
3. Gemma 4 E4B

ある意味、かなり理にかなった結果ではあるが、自分のモデルだからそう見えるのかしらと思わないこともない。LLM-jp-4の結果は、なんか英語が苦手そう（直訳っぽい）と感じている様子。

Qwen3 Swallow 32B RL v0.2

1. Gamma 4 12B QAT
2. Ornith 1.5 35B A3B
3. Gamma 4 31B QAT

やはりGemma系がよく見えるのかなという感じ。LLM-jp-4や自分自身の結果は、誤訳があると見ている模様。

要するに、LLM-jp-4は英語が苦手なのかもしれない。

日本語文章のリライトツールの作成と評価

日本語特化モデルなので、日本語だけで勝負すべきだろうということで、英語から翻訳した日本語文章を自然な日本語に書き換えるツールを作ってみた。

Pi+LM Studio/Laguna XS 2.1を使用。

• rewrite-20260829.tar.gz

使い方

$ uv sync
$ uv run rewrite.py doc-jp.md doc-jp-2.md "ですます調にして"

第3引数は追加指示（プロンプト）で、省略可能。デフォルトはLM StudioのGemma 4 E4Bを使う。LLM-jp-4を使うためには、次のようにする。

$ REWRITE_API_BASE="http://127.0.0.1:1235/v1" REWRITE_MODEL="llm-jp-4-33b-thinking-Q4_K_M" uv run rewrite.py doc-jp.md doc-jp-2.md "ですます調にして"

比較

原文（Gemma 4 31B QAT、再掲）

# ハーネスエンジニアリング（Harness Engineering）

## 1. はじめに

「ハーネスエンジニアリング」という言葉を耳にする機会は増えたが、その意味が誰にでも明白なわけではない。本ドキュメントでは、それが何であるかを解説する。

2年前の問いは「AIエージェントは機能するのか」であった。しかし、今日の問いは異なる。「AIエージェントは、信頼性高く、一貫して、そして大規模に機能するのか」である。この転換が、新しいエンジニアリング分野を生み出した。「ハーネスエンジニアリング」という言葉を聞いたことはあるが、意味がよく分からないという人にとって、本ガイドがその出発点となる。

本ドキュメントでは、ハーネスとは何か、ハーネスエンジニアリングの基礎、なぜ今それが重要なのか、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとどのように関連しているかを扱う。なお、提供されたソース資料以外の内容は含めていない。

## 2. ハーネスとは何か

### 2.1 用語の由来

「ハーネス（harness）」という言葉は、馬具（手綱、鞍、ハミ、頭絡など）から借用されている。これらが揃うことで、乗り手は強力な動物を特定の方向に導くことができる。馬が「原動力」を提供し、ハーネスが「制御」を提供する。

AIシステムにおいて、この「馬」にあたるのが大規模言語モデル（LLM）である。GPT-4、Claude、Gemini、Llamaなどは有能で高速であり、ますます強力になっている。しかし、単体ではどこへ向かうべきかを知らない。ハルシネーションを起こし、長期的なタスクの途中で脱線し、不適切なタイミングで誤ったツールを呼び出し、コンパイルは通るが動作しないコードを生成する。

ハーネスは、モデルの知能を置き換えるものではない。その知能を「方向付ける」ものである。

以下の指示で自然な日本語にしてもらう。

- エンジニア向けの簡潔な日本語で書く
- 文学的な表現を避け、淡々と書く
- 「である」調で書く

LLM-jp-4 33B

**ハーネスエンジニアリング（Harness Engineering）**

---

## 1. はじめに  

「ハーネスエンジニアリング」の呼称は頻繁に聞くようになったが、意味は浸透していない。本稿ではその定義と背景を解説する。  

過去は「AI エージェントは機能するか？」が課題だったが、現在は「AI エージェントは信頼性・一貫性・大規模運用が可能か？」が焦点になる。この変化が新たなエンジニアリング領域—ハーネスエンジニアリング—を生み出した。  

本稿の目的  
* ハーネスの概念を整理する  
* 基礎構成要素を把握する  
* なぜ現在重要かを示す  
* プロンプト／コンテキストエンジニアリングとの関係を整理する  

※本文は提示された資料のみを参照し、独自情報は含まれない。  

---

## 2. ハーネスとは  

### 2.1 用語の由来  

“harness” は馬具（手綱・鞍・ハミ等）に由来し、馬の推進力を制御して所望の方向へ導く役割を持つ。AI においては、**馬＝大規模言語モデル（LLM）**、**ハーネス＝制御手段** と位置付けられる。  

LLM（GPT‑4、Claude、Gemini、LLaMA 等）は高性能だが、単体では目的を認識できず、幻覚・脱線・不適切ツール呼び出し等の問題が頻発する。ハーネスはモデルを置き換えるものではなく、**モデルの挙動を方向付ける** ものである。 

時間がかかるのでバッチモードで処理。だいぶ雑にまとめとるなあという感じだが、指示に忠実ともいえ、好みの問題だろう。

Gemma 4 E4B

# ハーネスエンジニアリング（Harness Engineering）

## 1. はじめに

「ハーネスエンジニアリング」という概念は近年頻繁に使用されるが、その定義や適用範囲は不明瞭なケースが多い。本ドキュメントは、この分野の技術的基礎と応用領域を解説することを目的とする。

以前の焦点が「AIエージェントの実用性」であったのに対し、現在の主要課題は、「いかに信頼性の高い、一貫した、大規模運用可能なエージェントシステムを実現するか」である。このパラダイムシフトこそが、ハーネスエンジニアリングという新しいエンジニアリング分野を生み出した経緯にある。本ガイドは、用語の意味を把握しきれていないエンジニアや技術者にとっての起点となることを想定している。

本ドキュメントでは、まず「ハーネス」の定義から始め、その基礎概念、現在の重要性、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとの関係性を詳述する。なお、記述は提供されたソース資料に基づいているため、範囲外の情報を含まないことに留意する必要がある。

## 2. ハーネスとは何か

### 2.1 用語の由来（メタファー）

「ハーネス（harness）」という語彙は、馬具（手綱、鞍、頭絡など）に由来する。これらが揃うことで、乗り手は強力な動物（原動力）を特定の方向へ制御することが可能となる。ここでは、AIシステムにおける「馬」の役割が大規模言語モデル（LLM）であると定義できる。GPT-4、Claude、Gemini、LlamaなどのLLMは非常に有能で高速であり、継続的な性能向上を見せている。しかし、単体では自律的すぎて、目的地の特定や長期的なタスク遂行において不安定さを示す。具体的には、ハルシネーションの発生、長期タスク中の脱線、適切なタイミングでの誤ったツール呼び出し、またはコンパイルは通るが動作しないコード生成といった問題が発生する。

ハーネスはモデル自身の知能を代替するものではなく、その知能に対して「方向性」と「制御機構」を提供する仕組みである。

Gemma 4 12B QAT

# ハーネスエンジニアリング（Harness Engineering）

## 1. はじめに

近年「ハーネスエンジニアリング」という言葉を耳にする機会が増えているが、その定義はまだ十分に周知されていない。本ドキュメントでは、その概念を解説する。

2年前までの主要な問いは「AIエージェントは機能するのか」であった。しかし、現在の問いは「AIエージェントは、信頼性、一貫性、およびスケーラビリティを担保した状態で機能するのか」へとシフトしている。この転換が、新たなエンジニアリング領域である「ハーネスエンジニアリング」を生み出した。

本ドキュメントでは、ハーネスの定義、ハーネスエンジニアリングの基礎、その重要性、およびプロンプトエンジニアリングやコンテキストエンジニアリングとの関連性について解説する。なお、本内容は提供されたソース資料に基づき構成されている。

## 2. ハーネスとは何か

### 2.1 用語の由来
「ハーネス（harness）」は、馬具（手綱、鞍など）の概念を応用したものである。馬具は強力な動物を特定の方向に導くための道具であり、馬が「動力」を提供し、ハーネスが「制御」を提供する。

AIシステムにおいて、この「馬」にあたるのが大規模言語モデル（LLM）である。GPT-4、Claude、Gemini、Llamaなどは強力な動力源であるが、単体では目的への正確な導引が困難である。ハルシネーションの発生、長タスクでの脱線、不適切なツール呼び出し、動作不備のあるコード生成などがその例である。

ハーネスはモデルの知能を代替するものではなく、その知能を「方向付ける」ものである。

Gemma 4 31B QAT

# ハーネスエンジニアリング（Harness Engineering）

## 1. はじめに

「ハーネスエンジニアリング」という用語の認知度は向上しているが、その定義は必ずしも明確ではない。本ドキュメントではその詳細を解説する。

2年前の主要な問いは「AIエージェントは機能するか」であった。しかし現在は「AIエージェントを、信頼性・一貫性・拡張性を持って動作させられるか」という問いに移行している。この転換により、新たなエンジニアリング領域として「ハーネスエンジニアリング」が誕生した。

本ドキュメントでは、ハーネスの定義、基礎理論、重要性、およびプロンプト/コンテキストエンジニアリングとの関係について述べる。なお、内容は提供されたソース資料に基づいている。

## 2. ハーネスとは何か

### 2.1 用語の由来
「ハーネス（harness）」は馬具（手綱、鞍、ハミなど）に由来する。馬が「原動力」であるのに対し、ハーネスは乗り手が馬を制御し、特定の方向へ導くための「制御手段」である。

AIシステムにおいて、LLM（GPT-4, Claude, Gemini, Llama等）は強力な原動力となるが、単体では目的地の把握ができず、ハルシネーション、タスクの脱線、不適切なツール呼び出し、動作しないコードの生成といった課題がある。ハーネスは、モデルの知能を置き換えるのではなく、その知能を「方向付ける」役割を担う。

Gemmaは比較的原文に忠実。

Qwen3 Swallow 32B RL v0.2

# ハーネスエンジニアリング（Harness Engineering）

## 1. はじめに  
「ハーネスエンジニアリング」という語は、近年頻繁に聞かれるようになったが、その意味を正確に把握している人は少ない。本ドキュメントでは、ハーネスとは何か、ハーネスエンジニアリングの基礎、なぜ現在重要なのか、そしてプロンプトエンジニアリングやコンテキストエンジニアリングとの関係について解説する。記載内容は提供された資料に基づくものであり、それ以外の情報は含んでいない。

## 2. ハーネスとは何か  

### 2.1 用語の由来  
「ハーネス（harness）」は元々馬具を指す言葉である。馬具が揃うことで乗り手は動物を自在に導くことができる。AI システムにおいては、**大規模言語モデル（LLM）** が馬に相当し、ハーネスはその制御装置になる。

だいぶ端折っている。そう指示を理解したということだろう。

評価

正直よくわからない。好みの問題か。

まとめ

国産LLMであるLLM-jp-4をお試ししてみたが、LLM-jp-4は結構時間がかかるし（これはllama.cppの設定の問題かもしれないが）、今回試した課題では劇的に日本語性能が高いという感じはない。Gemmaの日本語性能が結構高いので、日本語処理に使うならとりあえずGemmaだろう。ただ、Gemmaはエージェント性能が低いので（今回わざわざプログラムを作ったのはそのため）、QwenやOrnithと組み合わせて使うのがよいかもしれない。