スキーマを定義し、値を調整し、デプロイなしであらゆる変更が機能することを証明します。
構造化されたスキーマを一度設定します。開発、ステージング、本番環境はそれぞれコードに触れずに独自の値を管理します。
デプロイ不要でプロンプト、モデル、パラメーターをランタイムで更新し、完全な承認と監査証跡を伴います。
プロモート前に品質・コスト・レイテンシを測定し、成果の高い設定を安心してリリースできます。
AI設定スキーマ。 構造化されたテンプレートから始めるか、Harness AI Evalsから直接プロンプトをインポートします。スキーマが有効なものを定義し、チームはコードに触れずに値を入力します。
環境ごとの値。 開発、ステージング、本番環境はそれぞれ同じスキーマに対して自身の設定値を保持します。本番環境に触れることなくステージングで素早く反復できます。
ワンクリックで設定値をプロモート。 設定の準備が整ったら、承認を経て設定値を環境間でプロモートできます。監査証跡は自動で記録され、コピー&ペーストは不要です。
リアルタイムでモデルを入れ替え。 コードを書かずにGPT-4oからClaudeやファインチューニングされたモデルに移行します。変更はスプリント単位ではなく秒単位で伝播します。
承認・監査付きのプロンプト更新。 すべての設定変更は、フィーチャーリリースと同じ承認ワークフローを通過します。完全な監査証跡、必須レビュー、オンデマンドのロールバック。
異なるユーザーに異なるバリエーションを提供。 複数の設定バリエーションを定義し、ユーザーセグメント、プランの階層、地域などの属性で配信対象を指定できます。同じ設定項目でも、対象ユーザーに応じて異なる値を適用できます。
品質とコストのトレードオフ。 トークンコストとレイテンシと並行して出力品質スコアを計測します。最も高性能なモデルだけでなく、各ユースケースに適したモデルを見つけます。
スピーディなプロンプト反復。 ライブトラフィックでプロンプトのバリアントを互いにテストします。ステージング環境も合成データも不要です。実際のユーザー、実際の結果。
成果を確認してプロモート。 実験結果が統計的に有意になったら、最も成果の高い設定をワンクリックで全ユーザーにプロモートできます。変更履歴もすべて保持されます。
より速いフラグ設定
キャッシュされた応答時間
“Harness以前は、フラグを立ち上げて実行するまでに1〜3週間かかることもありました。今では1〜3日でできています…キャッシュされたレスポンスは3ミリ秒未満で得られています。”
— Patrick Laughlin, シニアソフトウェアエンジニア, ADP
AI Config Managementとは、ランタイムでAIの動作を制御する動的な入力(プロンプト、モデルパラメーター、temperature値、システム指示、ツール定義など)を保存、バージョン管理、配信する手法です。これらの値をアプリケーションにハードコードする代わりに、HarnessのようなAI Config Managementプラットフォームを使えば、コードデプロイなしに即座に更新し、特定のユーザーセグメントにターゲティングし、問題が発生した際にロールバックできます。
Harness AI Configsは、プロンプトテンプレートとモデルパラメーターを、バージョン管理されたJSONベースの設定として中央プラットフォームに保存します。アプリケーションはHarness SDKを通じてランタイムでアクティブな設定を取得します。プロンプトの変更、モデルの調整、パラメーターのチューニングが必要な場合、Harnessで設定を更新すると、変更はライブトラフィックに即座に反映されます。コード変更も、プルリクエストも、デプロイパイプラインも不要です。
はい。Harnessでは、任意のAI設定について複数のバリアントを比較する実験を行えます。異なるプロンプト、モデルバージョン、temperature値などで2つ以上の設定を用意すると、Harnessはフィーチャーフラグと同じ振り分けエンジンでトラフィックを配分します。品質やコストのメトリクスを指定すると、Harnessは各バリアントの成果を追跡し、優れた設定を安心してリリースできます。
Harnessは、フィーチャーフラグに適用するのと同じガバナンス層をAI設定に適用します。すべての設定変更は、ロールベースアクセス制御(RBAC)、オプションのOPAポリシーチェック、設定可能な承認ワークフローを通過してから本番環境に到達します。完全な監査証跡が、誰が何をいつ変更したかを記録します。これにより、AIの動作はアドホックで不可視なものではなく、バージョン管理され監査可能になります。
Harness AI Configsはプロバイダー非依存です。OpenAI、Anthropic、Google、Mistral、セルフホストモデルを含む、任意のLLMプロバイダーの設定を管理できます。プラットフォームは設定値を保存し、アプリケーションコードが実際のAPI呼び出しを処理します。これにより、コード変更ではなく設定の更新でプロバイダーやモデルを切り替える柔軟性が得られます。
データベースには保存機能はありますが、本番環境で必要な実行時の設定配信機能はありません。Harnessは、ユーザー・環境単位のターゲティング、段階的なロールアウト、即時ロールバック、実験グループへの割り当て、承認ワークフロー、評価レイテンシが200ミリ秒未満のリアルタイムSDKを提供します。また、JSONベースのスキーマで設定変更をリリース前に検証し、不正な値が本番環境に反映されるのを防ぎます。