Agent Harness Construction

Sélectionné par Skill Harbor : un skill pour ceux qui construisent des agents IA et veulent qu'ils finissent vraiment le travail. Il traite la qualité d'un agent comme un problème de conception contraint par quatre facteurs : qualité de l'espace d'action, qualité des observations, qualité de la reprise, qualité du budget de contexte. Vous obtenez des règles concrètes : noms d'outils stables et explicites, entrées étroites pilotées par schéma, formes de sortie déterministes, micro-outils pour les opérations à risque (déploiement, migration, permissions) et macro-outils seulement quand le coût d'aller-retour domine ; chaque réponse d'outil avec statut, résumé d'une ligne, prochaines actions et références d'artefacts ; un contrat de reprise d'erreur pour chaque chemin d'erreur (indice de cause racine, instruction de réessai sûre, condition d'arrêt explicite) ; et un budget de contexte qui garde le prompt système minimal, déplace les guides dans des skills chargés à la demande, préfère les références de fichiers aux documents inline, et compacte aux frontières de phase. Par @affaan-m, listé ici avec crédit à son créateur. Tiré du dépôt affaan-m/ECC (MIT). Bémols honnêtes : guide de conception, pas un framework ; de meilleurs harnais augmentent les taux de complétion mais ne compensent ni un modèle faible ni une tâche vague. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage.