agent-harness-construction: Скилл для оптимизации AI-агентов

--- name: agent-harness-construction description: Проектирование и оптимизация пространства действий, определения инструментов и форматов наблюдений для ИИ-агентов с целью повышения процента успешного выполнения задач. origin: ECC --- # Конструкция фреймворка для агентов Используйте этот навык, когда вы улучшаете способы планирования, вызова инструментов, восстановления после ошибок и достижения состояния завершения для агентов. ## Основные модели Качество выходных данных агента ограничено: 1. Качеством пространства действий 2. Качеством наблюдений 3. Качеством восстановления после ошибок 4. Качеством контекстного бюджета ## Проектирование пространства действий 1. Используйте стабильные и четкие названия инструментов. 2. Отдавайте предпочтение входным шаблонам, которые являются приоритетными и имеют узкий диапазон. 3. Возвращайте детерминированные выходные формы. 4. Избегайте универсальных инструментов, если это невозможно изолировать. ## Правила гранулярности * Используйте микроинструменты для операций с высоким уровнем риска (развертывание, миграция, права доступа). * Используйте инструменты среднего уровня для распространенных циклов редактирования/чтения/поиска. * Используйте макроинструменты только тогда, когда затраты на взаимодействие являются основным фактором. ## Проектирование наблюдений Каждый ответ инструмента должен включать: * `status`: success|warning|error * `summary`: Краткое описание результата * `next_actions`: Выполняемые последующие шаги * `artifacts`: Пути к файлам / ID ## Контракт восстановления после ошибок Для каждого пути ошибки должны быть включены: * Подсказка о корневой причине * Инструкции для безопасной повторной попытки * Четкие условия остановки ## Управление контекстным бюджетом 1. Сохраняйте системные подсказки минимальными и неизменными. 2. Перемещайте большую часть инструкций в навыки, которые загружаются по требованию. 3. Отдавайте предпочтение ссылкам на файлы, а не длинным встроенным документам. 4. Сжимайте данные на границах этапов, а не на произвольных пороговых значениях токенов. ## Рекомендации по архитектурным паттернам * ReAct: Лучше всего подходит для исследовательских задач с неопределенным путем. * Вызов функций: Лучше всего подходит для структурированных, детерминированных процессов. * Гибридный режим (рекомендуется): Планирование ReAct + выполнение инструментов с типизацией. ## Тестирование Отслеживайте: * Процент успешного выполнения задач * Количество повторных попыток на задачу * pass@1 и pass@3 * Стоимость каждой успешной задачи ## Антипаттерны * Слишком много инструментов с семантическим пересечением. * Непрозрачные выходные данные инструментов, без подсказок для восстановления. * Вывод только ошибок без последующих шагов. * Перегрузка контекста, содержащая нерелевантные ссылки.