Master AI Harness Engineering with Google Antigravity

01 Course Learning Objectives

ဤသင်တန်းကို ပြီးမြောက်အောင်မြင်စွာ လေ့လာပြီးဆုံးချိန်တွင် သင်သည် အောက်ပါကျွမ်းကျင်မှုများကို တိကျကျနစွာ ရရှိပိုင်ဆိုင်နိုင်မည် ဖြစ်သည် -

• $Agent = Model + Harness$ framework ကို လက်တွေ့အသုံးချပြီး စနစ်တကျ ခိုင်မာအားကောင်းသော Agent System များကို ဗိသုကာပုံစံ (Architect) စနစ်တကျ ရေးဆွဲတည်ဆောက်နိုင်မည်။
• AI interaction ၏ အဓိကကျသော အခြေခံအဆင့် (၃) ဆင့်ဖြစ်သည့် Prompt Engineering၊ Content Engineering နှင့် Intent Engineering တို့၏ ခြားနားချက်များကို အတိအကျ နားလည်သဘောပေါက်မည်။
• High-context နှင့် Single-threaded feature တည်ဆောက်ရေးလုပ်ငန်းစဉ်များအတွက် Antigravity IDE ကို ကျွမ်းကျင်စွာ အသုံးချတတ်မည်။
• Terminal-native workflows နှင့် ပြိုင်တူအလုပ်လုပ်မည့် parallel sub-agents များကို စနစ်တကျ ထိန်းချုပ်မောင်းနှင်ရန် Antigravity CLI ကို အသုံးပြုပြီး လုပ်ငန်းပမာဏ တိုးမြှင့်လုပ်ဆောင်နိုင်မည် (Scale)။
• Antigravity 2.0 ကို သီးခြားရပ်တည်သော "Command Center" တစ်ခုအဖြစ် အသုံးပြုပြီး ရှုပ်ထွေးသော multi-repo project များကို တစ်နေရာတည်းမှ စိတ်ကြိုက် ဦးစီးလမ်းညွှန်နိုင်မည်။
• Lifecycle Hooks (Inspect, Decide, Transform) များကို အသုံးပြုပြီး ပုံသေတိကျသော စိစစ်အတည်ပြုမှုပတ်လမ်းများ (Deterministic verification loops) ကို ဖန်တီးတည်ဆောက်နိုင်မည်။

02 The Hierarchy: Prompt, Content, and Intent

စိတ်ချယုံကြည်ရသော Agent တစ်ခုကို တည်ဆောက်နိုင်ရန်အတွက် သင်၏ Control Logic မည်သည့်နေရာတွင် တည်ရှိသည်ကို အတိအကျ နားလည်ထားရန် လိုအပ်သည်။ ကျွန်ုပ်တို့သည် အောက်ခြေအဆင့် (နည်းဗျူဟာအဆင့် - Tactical) မှ ထိပ်ဆုံးအဆင့် (မဟာဗျူဟာအဆင့် - Strategic) သို့ အောက်ပါအတိုင်း အဆင့်ဆင့် တက်လှမ်းလေ့လာသွားပါမည်။

2.1 Prompt Engineering: "The Script" (ဇာတ်ညွှန်း)

Focus: Model ထံသို့ တစ်ကြိမ်ချင်း ဆက်သွယ်မေးမြန်းမှု (Single Turn) အတွက် တိကျစွာ ပေးပို့လိုက်သော စာသားလမ်းညွှန်ချက် (Textual instruction) ဖြစ်သည်။

                                နှိုင်းယှဉ်ချက်ပုံရိပ် - AI ကို သရုပ်ဆောင်တစ်ဦးအဖြစ် ဥပမာပေးရလျှင် Prompt သည် နောက်လာမည့်ပြကွက်အတွက် ၎င်းပြောရမည့် စကားပြောဇာတ်ညွှန်းစာကြောင်း (Line) နှင့် တူပါသည်။
                            

၂၀၂၆ ခုနှစ်၏ အခြေအနေ - Production အဆင့် အသုံးပြုနေသော Agent စနစ်များအတွက် ဤနည်းလမ်းသည် ခေတ်မမှီတော့ဟု ဥပမာပေးကြသည်။ အသုံးပြုရန် လိုအပ်နေသေးသော်လည်း ၎င်းသည် စနစ်တစ်ခုလုံးတွင် အလွယ်တကူ အမှားအယွင်းဖြစ်နိုင်ဆုံးနှင့် အပျက်စီးလွယ်ဆုံး (Fragile Layer) ဖြစ်သည်။

2.2 Content Engineering: "The Set" (ရိုက်ကွင်းပြင်ဆင်မှု)

Focus: အချက်အလက်ဆိုင်ရာ ပတ်ဝန်းကျင်ကို ဒီဇိုင်းထုတ်ခြင်းဖြစ်သည် - Agent က မည်သည့် data များကို မြင်တွေ့နိုင်သည်၊ ရှာဖွေရယူနိုင်သည် (Retrieve) နှင့် မည်သည့်အရာများကို မှတ်သားထားနိုင်သည် (Remember) ဆိုသည်ကို ဆုံးဖြတ်ခြင်း ဖြစ်သည်။

                                နှိုင်းယှဉ်ချက်ပုံရိပ် - ၎င်းသည် စင်မြင့်ပေါ်တွင် စာကြည့်တိုက်၊ အသုံးအဆောင် ကိရိယာများနှင့် ပြကွက်ပစ္စည်းများကို ကြိုတင်ပြင်ဆင်ပေးခြင်းနှင့် တူသည်။ သရုပ်ဆောင်တွင် မှားယွင်းနေသော စာအုပ်သာရှိနေပါက ဇာတ်ညွှန်း မည်မျှပင် ကောင်းမွန်စေကာမူ မှန်ကန်သောအဖြေကို ပေးနိုင်လိမ့်မည် မဟုတ်ပေ။
                            

Key Skill: KV-cache စီမံခန့်ခွဲမှုနှင့် အချက်အလက်ပြန်လည်ရှာဖွေမှု မဟာဗျူဟာ (Retrieval Strategy) ကို ကျွမ်းကျင်စွာ ကိုင်တွယ်ခြင်း ဖြစ်သည်။

2.3 Intent Engineering: "The Director's Vision" (ဒါရိုက်တာ၏ မျှော်မှန်းချက်)

Focus: မြင့်မားသော အဆင့်ရှိ ရည်မှန်းချက်ပန်းတိုင်များ (High-level goals)၊ တိုင်းတာနိုင်သော အောင်မြင်မှုစံနှုန်းများ (Measurable success criteria) နှင့် လုံးဝကျော်လွန်၍မရသော ကန့်သတ်ချက်များ (Hard constraints) ကို သတ်မှတ်ခြင်း ဖြစ်သည်။

                                နှိုင်းယှဉ်ချက်ပုံရိပ် - ၎င်းသည် သရုပ်ဆောင်တစ်ဦးအနေဖြင့် ပြဇာတ်တစ်ခုလုံးတွင် မည်သည့်ပန်းတိုင်ကို အရောက်လှမ်းရမည်ဖြစ်ပြီး၊ မည်သည့်အရာများကို လုံးဝမပြုလုပ်ရ (Guardrails) ဆိုသည်ကို အထက်မှနေ၍ တိကျစွာ ကန့်သတ်ပေးခြင်းဖြစ်သည်။
                            

Modern Framework: လူသားတို့၏ လိုလားချက် ပန်းတိုင်များကို စိစစ်အတည်ပြုနိုင်ပြီး အတင်းအကျပ် လိုက်နာစေမည့် သတ်မှတ်ချက်များ (Verifiable and enforceable specifications) အဖြစ်သို့ ပြောင်းလဲဖွဲ့စည်းပေးသည်။

$$\text{Intent} \rightarrow \text{Content} \rightarrow \text{Prompt}$$

03 Foundations: The Harness Engineering Mindset

၂၀၂၆ ခုနှစ်တွင် ကျွန်ုပ်တို့သည် AI ကို "စကားပြောဖော်" အဖြစ်သာ သဘောမထားတော့ဘဲ စနစ်တကျ လက်တွေ့လည်ပတ် အကောင်အထည်ဖော်သော စနစ် (Operationalize) တစ်ခုအဖြစ် သတ်မှတ်လုပ်ဆောင်ကြသည်။ Harness Engineering ဆိုသည်မှာ သင်၏ Intent, Content နှင့် Prompts များကို စုစည်းထုပ်ပိုး စီမံပေးထားသော စနစ်တကျ ဖွဲ့စည်းထားသည့် စနစ်အခွံ (Systematic Wrapper) ပင် ဖြစ်သည်။

$$\text{Agent} = \text{Model} + \text{Harness}$$

The Model

စဉ်းစားတွေးခေါ်မှုအပိုင်းကို လုပ်ဆောင်ပေးသော ဦးနှောက် သို့မဟုတ် ကွန်ပျူတာ၏ "Reasoning Engine" (CPU) သဖွယ်ဖြစ်သည်။

The Harness

အောက်ပါလုပ်ဆောင်ချက်များကို ဘက်စုံစီမံခန့်ခွဲပေးသော "Operating System" သဖွယ်ဖြစ်သည် -

State & Memory (Content Engineering)
Goal Enforcement (Intent Engineering)
Verification Loops (Harness Engineering)

Module 1: The IDE Experience

Agent-Assisted Development

Antigravity IDE သည် Developer များအတွက် အထူးအကြံပြုထားသော အစပျိုးရာ နေရာတစ်ခုဖြစ်သည်။ ၎င်းသည် မိမိတို့ ရင်းနှီးကျွမ်းဝင်ပြီးသား Editor ပတ်ဝန်းကျင်အတွင်း AI ကို "အဆင့်မြှင့်တင်မှုအလွှာ (Enhancement Layer)" အဖြစ် အသုံးပြုထားသော VS Code Fork တစ်ခုဖြစ်သည်။

Core Role

လက်ရှိရှိပြီးသား Repository များကို လိုက်လံကြည့်ရှုရန်နှင့် Visual Editor ကို အသုံးပြုပြီး ကုဒ်များကို စစ်ဆေးရန် (Checking code) အတွက် အကောင်းဆုံးဖြစ်သည်။

Synchronous Workflow

တစ်ကြိမ်လျှင် Editor Window တစ်ခုတည်းတွင် Agent တစ်ခုတည်းနှင့်သာ တစ်ဆက်တည်း အပြန်အလှန် စကားပြောဆိုလုပ်ဆောင်နိုင်သော ပုံစံကို အဓိကထားသည်။

                            Key Skills: လက်တွေ့ကမ္ဘာတွင် Code Refactoring လုပ်ငန်းများ လုပ်ဆောင်နိုင်ရန်အတွက် Inline Command Completions၊ Context-aware Navigation နှင့် "Agent Side Panel" တို့ကို ကျွမ်းကျင်စွာ အသုံးပြုနိုင်ရန် လိုအပ်သည်။
                        

Module 2: The CLI & Infrastructure Layer

Scaling via Terminal

Go Language ဖြင့် အခြေခံရေးသားထားသော Antigravity CLI ကို အရှိန်အဟုန် အလွန်မြန်ဆန်စေရန်နှင့် Professional ဖြစ်သော CI/CD Pipeline များအတွင်း ကောင်းမွန်စွာ ပေါင်းစပ်ထည့်သွင်းနိုင်ရန်အတွက် တည်ဆောက်ထားသည်။

မဖြစ်မနေ ပြောင်းလဲရမည့် အခြေအနေ (The Transition) - ယခင်အသုံးပြုခဲ့သော Gemini CLI ကို ၂၀၂၆ ခုနှစ်၊ ဇွန်လ ၁၈ ရက်နေ့တွင် အပြီးတိုင် ရပ်ဆိုင်းမည် (Sunset) ဖြစ်ကြောင်း သတိပြုရန် လိုအပ်သည်။ အသုံးပြုသူအားလုံးအနေဖြင့် agy command သို့ မဖြစ်မနေ ပြောင်းလဲအသုံးပြုရမည်။

Terminal မူဝါဒများ (Terminal Policies)

သင်၏ Harness "Review Policy" ကို အောက်ပါအခြေအနေ ၃ ရပ်အနက် တစ်ခုခုသို့ ကြိုတင်သတ်မှတ်ပေးရပါမည် -

Off

Terminal Tools များကို အလိုအလျောက် run ခွင့်မပြုဘဲ အမြဲတမ်း ပိတ်ထားသည်။

Auto

မည်သည့်အချိန်တွင် ခွင့်ပြုချက်တောင်းခံရမည်ကို Agent ကိုယ်တိုင် ဆုံးဖြတ်သည်။

Turbo

အမြဲတမ်း အလိုအလျောက် run စေသည် (အလွန်အမင်း သတိထား၍ သုံးစွဲရန် လိုအပ်သည်)။

Parallelism: Main Thread တွင် ဆက်လက်အလုပ်လုပ်နေစဉ် တစ်ချိန်တည်းမှာပင် Background Tasks များကို စောင့်ကြည့်ရန်အတွက် /agents command ကို အသုံးပြုပါ။

Module 3: Antigravity 2.0

The Orchestration Era

Antigravity 2.0 သည် ရိုးရိုး IDE တစ်ခုမဟုတ်ပါ၊ ၎င်းသည် သီးခြားရပ်တည်သော အေးဂျင့်ကွပ်ကဲမှုစင်တာ (Standalone Agent Command Center) ဖြစ်သည်။ ၎င်းသည် "ဗိသုကာဒီဇိုင်းတစ်ခုလုံးကို အခြေခံမှစ၍ အပြည့်အဝ ပြောင်းလဲဆန်းသစ်ထားမှု" (Complete Architectural Reset) ကို ကိုယ်စားပြုသည်။

01.

The Project Paradigm:

2.0 သည် စီမံကိန်းများ (Projects) အပေါ်တွင် အဓိကဗဟိုပြုထားပြီး Repositories နှင့် Directories အမြောက်အမြားကို တစ်ပြိုင်နက်တည်း ဖြန့်ကျက်ကိုင်တွယ်နိုင်သည်။

02.

Asynchronous Multi-Agent Systems:

သင်သည် စနစ်တစ်ခုတည်ဆောက်ရာတွင် Planning၊ Implementation နှင့် Research လုပ်ငန်းများကို တစ်ပြိုင်နက်တည်း အပြိုင်လုပ်ဆောင်နိုင်ရန်အတွက် တစ်ချိန်တည်းတွင် Concurrent Agents (၉၀ ကျော်အထိ) ကို စေလွှတ်ခိုင်းစေနိုင်သည်။

03.

Browser Sub-agents:

၂.၀ ၏ အစွမ်းထက်ဆုံး လုပ်ဆောင်ချက်များထဲမှ တစ်ခုဖြစ်သည်။ အေးဂျင့်များသည် Built-in Chromium Browser ကို အလိုအလျောက်ဖွင့်လှစ်ပြီး ဝဘ်ဆိုက်များကို ကြည့်ရှုခြင်း၊ UI များကို စမ်းသပ်ခြင်းနှင့် ၎င်းတို့လုပ်ဆောင်ထားသမျှကို ဗီဒီယိုမှတ်တမ်းတင် စိစစ်အတည်ပြုခြင်းများ ပြုလုပ်နိုင်သည်။

04.

Artifacts over Code:

စာသားသက်သက်သာ ထုတ်ပေးမည့်အစား အေးဂျင့်များသည် လုပ်ငန်းလမ်းညွှန်များ (Walkthroughs)၊ မျက်နှာပြင်ဓာတ်ပုံများ (Screenshots) နှင့် လုပ်ငန်းမှတ်တမ်းများ (Task logs) ကဲ့သော "Artifacts" များကို ထုတ်လုပ်ပေးသဖြင့် လူသားများအနေဖြင့် အဆင့်မြင့်မြင့် လွယ်ကူစွာ စိစစ်အတည်ပြုနိုင်သည်။

05 Workshop: Building a "Self-Healing" Harness

ဤလက်တွေ့စမ်းသပ်မှုအတွင်း ကျွန်ုပ်တို့သည် "Hashimoto Strategy" ကို အကောင်အထည်ဖော်ရန်အတွက် Antigravity SDK ကို အောက်ပါအတိုင်း အဆင့်ဆင့် အသုံးပြုသွားမည်ဖြစ်သည် -

Step 1

Detect a Mistake (အမှားကို ဖော်ထုတ်စစ်ဆေးခြင်း)

အေးဂျင့်မှ Production Module တစ်ခုခုကို ထိခိုက်ပျက်စီးစေခဲ့သော အမှားတစ်ခုကို အချက်အလက်အရ တိကျစွာ ရှာဖွေဖော်ထုတ်ခြင်း။

Step 2

Create a Hook (Hook ဖန်တီးခြင်း)

သတ်မှတ်ထားသော Security Tag မပါရှိဘဲ အဆိုပါ Module ကို နောက်နောင်တွင် ပြင်ဆင်ရန် ကြိုးပမ်းမှုများကို ကြားဖြတ်တားဆီးပြီး ပိတ်ဆို့ရန်အတွက် Decide Hook တစ်ခုကို ဖန်တီးအသုံးပြုခြင်း။

Step 3

Implement a Transform Hook (Transform Hook ထည့်သွင်းခြင်း)

အကယ်၍ အေးဂျင့်သည် မှားယွင်းသော Format ဖြင့် ကုဒ်များကို ရေးသားပေးပို့ခဲ့ပါက၊ Data များ သန့်စင်စနစ်တကျဖြစ်စေရန် Transform Hook ကို အသုံးပြု၍ အလိုအလျောက် ပုံစံပြောင်းလဲစေခြင်း။

Step 4

Verify (စိစစ်အတည်ပြုခြင်း)

အေးဂျင့်ကို CLI မှတစ်ဆင့် run စေပြီး သင်ယခုလေးတင် Harness ထဲတွင် ထည့်သွင်းခဲ့သော စည်းမျဉ်းများအတိုင်း ၎င်းကိုယ်တိုင် အမှားများကို အလိုအလျောက် ပြန်လည်ပြုပြင်သွားပုံကို စောင့်ကြည့်စစ်ဆေးခြင်း။

အနှစ်ချုပ် - Harness ၏ အဓိကလုပ်ဆောင်ချက် ၅ ရပ် (5 Harness Primitives)

Ecosystem အတွင်းရှိ စနစ်တိုင်း (IDE၊ CLI၊ ၂.၀) သည် အောက်ပါအချက် ၅ ခုကို မဖြစ်မနေ အကောင်အထည်ဖော်ထားပါသည် -

Tooling

Linux Sandboxes နှင့် APIs များ။

Verification

အလိုအလျောက် Linters နှင့် Test Suites များ။

State

Sub-agents များအကြား မျှဝေသုံးစွဲမည့် Memory Context။

Guardrails

ကျော်လွန်၍မရသော Hard-coded စံသတ်မှတ်ချက်များ။

Humans

လူသားကိုယ်တိုင် စစ်ဆေးအတည်ပြုရမည့် Checkpoints များ။

Course Glossary (အဓိက ဝေါဟာရများ ရှင်းလင်းချက်)

Artifacts:

အေးဂျင့်၏ စိစစ်အတည်ပြုချက်ကို သက်သေပြနိုင်သော လက်တွေ့ကျသော ရလဒ်များ (ဥပမာ - ဗီဒီယိုမှတ်တမ်းများ၊ လုပ်ငန်းအဆင့်ဆင့်စီမံကိန်းများ)။

Content Engineering:

AI စနစ်တစ်ခု လည်ပတ်လုပ်ဆောင်မည့် အချက်အလက်ဆိုင်ရာ ပတ်ဝန်းကျင်နှင့် Context ကို စနစ်တကျ ပုံစံထုတ်ဒီဇိုင်းဆွဲရသော ဘာသာရပ်။

Intent Engineering:

မြင့်မားသော ရည်မှန်းချက်ပန်းတိုင်များ၊ တိုင်းတာနိုင်သော ရလဒ်များနှင့် အတိအကျ သတ်မှတ်ထားသော ကန့်သတ်ချက်များအပေါ် အခြေခံ၍ AI စနစ်တစ်ခုကို တည်ဆောက်ပုံစံဖော်ခြင်း။

Lifecycle Hooks:

အေးဂျင့်၏ လုပ်ဆောင်ချက်များကို ထိန်းချုပ်ရန်အတွက် ပရိုဂရမ်ရေးဆွဲနိုင်သော နေရာများ (Inspect, Decide, Transform)။

Prompt Engineering:

Model တစ်ခုထံ ပေးပို့သော တစ်ကြိမ်ချင်းစီ စာသားလမ်းညွှန်ချက်များကို အကောင်းဆုံးဖြစ်အောင် ပြုပြင်မွမ်းမံခြင်း။

Harness-Centric:

အမှားအယွင်းများ နောက်ထပ်တစ်ကြိမ် ထပ်မံမဖြစ်ပွားစေရန်အတွက် စနစ်တစ်ခုလုံး (Harness) ကို တိုက်ရိုက်ပြုပြင်တည်ဆောက်သော ခေတ်သစ် အင်ဂျင်နီယာလုပ်ငန်းစဉ်။

06 Mitchell Hashimoto's Engineering Philosophy

၂၀၂၆ ခုနှစ်အစောပိုင်းတွင် စတင်အသုံးပြုခဲ့သော "Harness Engineering" ဟူသော ဝေါဟာရကို Terraform ကို ဖန်တီးသူ Mitchell Hashimoto က လူသိများစေခဲ့သည်။ သူ၏ အဓိက သဘောတရားမှာ Output (ရလဒ်) ကို လိုက်လံပြင်ဆင်နေခြင်းထက် "စနစ်တစ်ခုလုံး တိုးတက်ပြောင်းလဲလာစေခြင်း (System Evolution)" ပင် ဖြစ်သည်။

"အေးဂျင့်တစ်ခု အမှားလုပ်မိတိုင်း Prompt ကို လိုက်ပြင်နေရုံဖြင့် မလုံလောက်ပါ။ အေးဂျင့်မှ အဆိုပါအမှားမျိုး နောက်တစ်ကြိမ် ထပ်မံမပြုလုပ်မိစေရန် Harness ထဲတွင် အပြီးတိုင်ဖြေရှင်းနိုင်မည့် နည်းလမ်းများ (စမ်းသပ်မှု၊ စည်းမျဉ်း သို့မဟုတ် စစ်ဆေးအတည်ပြုစနစ်) ကို ထည့်သွင်းဖန်တီးရမည်။"

— Mitchell Hashimoto, 2026

Accountability (တာဝန်ယူမှု)

လူသားများသည် အေးဂျင့်၏ အမှားများကို ဖမ်းဆွဲပေးနိုင်သော စနစ်များကို ကောင်းမွန်စွာ ဆောက်လုပ်နိုင်မှသာ ၎င်းတို့ထံသို့ အလုပ်များ ပိုမိုလွှဲအပ်ခွင့် (Delegate) ကို ရရှိမည်ဖြစ်သည်။

Compounding Quality (အရည်အသွေး တိုးပွားလာခြင်း)

လုပ်ငန်းတစ်ခုချင်းစီ လုပ်ဆောင်တိုင်း Harness ကို ပိုမိုကောင်းမွန်အောင် ပြုပြင်နိုင်သောကြောင့် နောက်ဆက်တွဲ အေးဂျင့်လုပ်ဆောင်ချက်များကို ပိုမိုစိတ်ချယုံကြည်ရစေသည်။

07 Case Study: OpenAI's 1M-Line "Zero-Code" Project

၂၀၂၆ ခုနှစ်အစောပိုင်းတွင် OpenAI ၏ Codex အဖွဲ့သည် တင်းကျပ်သော Harness တစ်ခု၏ အစွမ်းထက်ပုံကို သက်သေပြခဲ့သည်။ ၎င်းတို့သည် လူသားများကိုယ်တိုင် လက်ဖြင့် ကုဒ်တစ်ကြောင်းမှ ရေးသားရန်မလိုဘဲ ကုဒ်အကြောင်းရေ တစ်သန်းကျော် ပါဝင်သည့် internal product beta တစ်ခုကို တည်ဆောက်နိုင်ခဲ့သည်။

0 Manually Written Lines

1M+ Total Lines of Code

+340.5% Deployment Frequencies

The Constraint: "လူကိုယ်တိုင် ကုဒ်မရေးရ" ဟူသော တင်းကျပ်သော ကန့်သတ်ချက်စည်းမျဉ်းကြောင့် အင်ဂျင်နီယာများသည် Bug များကို လက်ဖြင့် လိုက်ပြင်နေမည့်အစား ပိုမိုခိုင်မာအားကောင်းသော Harness တစ်ခုကို တည်ဆောက်ရန် ရင်းနှီးမြှုပ်နှံခဲ့ကြရသည်။

The Takeaway: စနစ်တကျ ပြင်ဆင်ထားသော Harness မရှိပါက "စစ်ဆေးခြင်း-ပြင်ဆင်ခြင်း-ပရွမ့်အသစ်ပြန်ရေးခြင်း" ဟူသော သံသရာထဲတွင်သာ အချိန်ကုန်ဆုံးနေရလိမ့်မည်။ Harness ရှိပါက အေးဂျင့်များသည် ရှုပ်ထွေးပြီး အဆင့်များစွာပါဝင်သော လုပ်ငန်းစဉ်များကို စိတ်ချရစွာ လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။

08 HTML Course Landing Page Template

ဤအမိုက်စား Landing Page boilerplate သည် ၂၀၂၆ ခုနှစ်၏ ခေတ်မီ Glassmorphism အလှအပဆိုင်ရာ ဒီဇိုင်းကို အသုံးပြုထားသည်။ အောက်ပါကစားကွင်းတွင် ကုဒ်များကို ပြုပြင်မွမ်းမံပြီး "Live Render" ကို တစ်ပြိုင်နက် ကြည့်ရှုနိုင်ပါသည်။

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Master AI Harness Engineering | 2026 Curriculum</title>
    <style>
        :root {
            --bg: #0a0a0c;
            --accent: #4285f4;
            --glass: rgba(255, 255, 255, 0.05);
            --text: #e0e0e0;
        }
        body {
            font-family: 'Inter', system-ui, -apple-system, sans-serif;
            background-color: var(--bg);
            color: var(--text);
            line-height: 1.6;
            margin: 0;
            padding: 0;
        }
        .container { max-width: 1100px; margin: 0 auto; padding: 40px 20px; }
        .hero { text-align: center; padding: 100px 0; background: radial-gradient(circle at top, #1a1a2e 0%, var(--bg) 70%); }
        h1 { font-size: 3.5rem; margin-bottom: 10px; letter-spacing: -1px; }
        .badge { background: var(--accent); color: white; padding: 5px 15px; border-radius: 20px; font-weight: bold; }
        .formula { font-size: 1.5rem; color: #888; margin: 30px 0; }
        .grid { display: grid; grid-template-columns: repeat(auto-fit, minmax(300px, 1fr)); gap: 20px; margin-top: 50px; }
        .card { background: var(--glass); border: 1px solid rgba(255,255,255,0.1); padding: 30px; border-radius: 12px; backdrop-filter: blur(10px); }
        .card h3 { color: var(--accent); margin-top: 0; }
        .btn { display: inline-block; padding: 15px 30px; background: var(--accent); color: white; text-decoration: none; border-radius: 8px; font-weight: bold; margin-top: 40px; transition: 0.3s; }
        .btn:hover { background: #3367d6; box-shadow: 0 0 20px rgba(66, 133, 244, 0.4); }
    </style>
</head>
<body>
    <section class="hero">
        <div class="container">
            <span class="badge">New: Antigravity 2.0 Edition</span>
            <h1>Master AI Harness Engineering</h1>
            <p class="formula">Agent = Model + Harness</p>
            <p>Go beyond prompting. Learn to direct autonomous fleets with the Google Antigravity ecosystem.</p>
            <a href="#" class="btn">Enroll Now for 2026 Session</a>
        </div>
    </section>
    <div class="container">
        <div class="grid">
            <div class="card">
                <h3>Antigravity IDE</h3>
                <p>Master agent-assisted coding in a native VS Code environment. Best for deep refactors.</p>
            </div>
            <div class="card">
                <h3>Antigravity CLI</h3>
                <p>Scale with parallel sub-agents via terminal. Direct operations at 289 tokens/sec.</p>
            </div>
            <div class="card">
                <h3>Antigravity 2.0</h3>
                <p>The Command Center era. Orchestrate 90+ agents across browser sandboxes.</p>
            </div>
        </div>
    </div>
</body>
</html>