Communitygithub.com

Construcción de Arnés de Agente

Diseña y optimiza espacios de acción, definiciones de herramientas y formato de observación de agentes de IA para lograr mayores tasas de finalización. Úsalo al definir o revisar un agente.

¿Qué es Construcción de Arnés de Agente?

Esta habilidad guía a desarrolladores e ingenieros de IA en la construcción y refinamiento del 'arnés' que controla el comportamiento de un agente de IA, incluyendo su espacio de acción, observaciones y mecanismos de recuperación de errores. Se enfoca en cuatro áreas principales: calidad del espacio de acción, calidad de las observaciones, calidad de la recuperación y presupuesto de contexto. Proporciona reglas concretas para el diseño de herramientas (micro, medianas y macro), un formato estructurado para las respuestas de las herramientas y un contrato de recuperación de errores. También cubre estrategias de presupuesto de contexto, patrones de arquitectura recomendados (ReAct, llamada a funciones o híbrido) y métricas de evaluación comparativa como tasa de finalización, reintentos por tarea y coste por tarea exitosa. Es útil para cualquier plataforma de agente (Claude Code, Cursor, Codex, etc.) y ayuda a evitar anti-patrones comunes como superposición semántica de herramientas o sobrecarga del contexto.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/agent-harness-construction

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Construcción de Arnés de Agente?

Usa esta habilidad cuando estés mejorando cómo un agente planifica, llama a herramientas, se recupera de errores y converge hacia la finalización.

Modelo Central

La calidad de la salida del agente está limitada por:

  1. Calidad del espacio de acción
  2. Calidad de la observación
  3. Calidad de la recuperación
  4. Calidad del presupuesto de contexto

Diseño del Espacio de Acción

  1. Usa nombres de herramientas estables y explícitos.
  2. Mantén las entradas basadas en esquemas y estrechas.
  3. Devuelve formas de salida deterministas.
  4. Evita herramientas comodín a menos que el aislamiento sea imposible.

Reglas de Granularidad

  • Usa micro-herramientas para operaciones de alto riesgo (despliegue, migración, permisos).
  • Usa herramientas medianas para bucles comunes de edición/lectura/búsqueda.
  • Usa macro-herramientas solo cuando la sobrecarga de ida y vuelta sea el costo dominante.

Diseño de Observaciones

Cada respuesta de herramienta debe incluir:

  • status: éxito|advertencia|error
  • summary: resultado de una línea
  • next_actions: seguimientos procesables
  • artifacts: rutas de archivo / IDs

Contrato de Recuperación de Errores

Para cada ruta de error, incluye:

  • pista de causa raíz
  • instrucción de reintento seguro
  • condición de parada explícita

Presupuesto de Contexto

  1. Mantén el prompt del sistema mínimo e invariable.
  2. Mueve guías extensas a habilidades cargadas bajo demanda.
  3. Prefiere referencias a archivos en lugar de incluir documentos largos en línea.
  4. Compacta en los límites de fase, no en umbrales de tokens arbitrarios.

Guía de Patrones de Arquitectura

  • ReAct: mejor para tareas exploratorias con ruta incierta.
  • Llamada a funciones: mejor para flujos estructurados deterministas.
  • Híbrido (recomendado): planificación ReAct + ejecución de herramientas tipadas.

Evaluación Comparativa

Rastrea:

  • tasa de finalización
  • reintentos por tarea
  • pass@1 y pass@3
  • costo por tarea exitosa

Anti-Patrones

  • Demasiadas herramientas con semántica superpuesta.
  • Salida de herramienta opaca sin pistas de recuperación.
  • Salida solo de error sin pasos siguientes.
  • Sobrecarga de contexto con referencias irrelevantes.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

api-connector-builder

Build a new API connector or provider by matching the target repo

Skills relacionados