view --main agent-harness-construction-optimizatsiya-i-nadezhnost-ai-agentov.md

agent-harness-construction — Оптимизация и надежность AI-агентов

Name: agent-harness-construction — Оптимизация и надежность AI-агентов
Author: affaan-m/everything-claude-code

Улучшите производительность ваших AI-агентов с помощью системы оптимизации agent-harness-construction. Она обеспечивает более эффективное планирование, использование инструментов и быстрое восстановление после ошибок, позволяя создавать надежных агентов для Claude Code, Codex, Opencode, Cursor и других моделей.

Используйте большую языковую модель и продуманный дизайн пространства действий, правил гранулярности и наблюдения для повышения качества работы искусственного интеллекта. Мы предлагаем рекомендации по архитектуре, включая ReAct и Function-calling, для создания устойчивых и предсказуемых решений.

agent-harness-construction, разработанная специально для разработчиков AI-агентов, обеспечивает эффективное управление контекстом, минимальные системные подсказки и поддержку работы с файлами. Повысьте надежность и эффективность ваших агентов уже сегодня!

$ git log --oneline --stat

⭐ звёзды: 114,249

форки: 14,874

обновлено: 28 марта 2026 года в 13:13

Проводник файлов

1 файлы

SKILL.md

readonly --- lines

--- name: agent-harness-construction description: Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. origin: ECC --- # Agent Harness Construction Use this skill when you are improving how an agent plans, calls tools, recovers from errors, and converges on completion. ## Core Model Agent output quality is constrained by: 1. Action space quality 2. Observation quality 3. Recovery quality 4. Context budget quality ## Action Space Design 1. Use stable, explicit tool names. 2. Keep inputs schema-first and narrow. 3. Return deterministic output shapes. 4. Avoid catch-all tools unless isolation is impossible. ## Granularity Rules - Use micro-tools for high-risk operations (deploy, migration, permissions). - Use medium tools for common edit/read/search loops. - Use macro-tools only when round-trip overhead is the dominant cost. ## Observation Design Every tool response should include: - `status`: success|warning|error - `summary`: one-line result - `next_actions`: actionable follow-ups - `artifacts`: file paths / IDs ## Error Recovery Contract For every error path, include: - root cause hint - safe retry instruction - explicit stop condition ## Context Budgeting 1. Keep system prompt minimal and invariant. 2. Move large guidance into skills loaded on demand. 3. Prefer references to files over inlining long documents. 4. Compact at phase boundaries, not arbitrary token thresholds. ## Architecture Pattern Guidance - ReAct: best for exploratory tasks with uncertain path. - Function-calling: best for structured deterministic flows. - Hybrid (recommended): ReAct planning + typed tool execution. ## Benchmarking Track: - completion rate - retries per task - pass@1 and pass@3 - cost per successful task ## Anti-Patterns - Too many tools with overlapping semantics. - Opaque tool output with no recovery hints. - Error-only output without next steps. - Context overloading with irrelevant references.

Инициализация мануала...