dimayip/how-to-harness

how-to-harness は何をしますか？

Claude / Codebuddy 向けエージェントスキル — ハーネススタイルの閉ループ、自己最適化、人間指示＋エージェント実行システム（Ralph ループ、LLM-as-judge、階層型自動化）を設計するためのソクラテス式ファシリテーター。

概要

このスキルは、以下のようなシステムの設計をガイドします：

• 閉ループ制御: エージェントの出力を評価し、それに基づいて動作を修正する。
• 自己最適化: LLM-as-judge を用いてエージェントのパフォーマンスを自動評価し、継続的に改善する。
• 人間指示＋エージェント実行: 人間が高レベルな目標を設定し、エージェントが実行の詳細を担う。
• 階層型自動化: 単純なタスクから複雑なワークフローまで、複数層の自動化を実現する。

使用方法

このスキルを有効にすると、Claude Desktop または Codebuddy は、ユーザーに対してシステム設計に関するソクラテス式の質問を投げかけます。質問に答えることで、システムの要件、アーキテクチャ、実装計画が明確になります。

例：

• 「あなたのシステムで、どのようなフィードバックループを定義しますか？」
• 「LLM-as-judge の評価基準は何ですか？」
• 「人間の介入が必要なケースはどのようなものですか？」

対応プラットフォーム

• Claude Desktop (claude.ai)
• Codebuddy

仕組み

1. ユーザーが「Harness システムを設計したい」とリクエストします。
2. スキルが Ralph ループ、LLM-as-judge、階層型自動化の原則に沿って質問を投げかけます。
3. ユーザーの回答に基づいて、システム設計を反復的に洗練します。
4. 最終的に、実装可能な設計ドキュメントまたはコードスケルトンを提供します。

コード例（概念）

# Ralph ループの簡単な例
class RalphLoop:
    def __init__(self, agent, judge):
        self.agent = agent
        self.judge = judge

    def run(self, task):
        while True:
            output = self.agent.execute(task)
            score = self.judge.evaluate(output, task)
            if score > 0.8:
                return output
            else:
                self.agent.adjust(score)

注意事項

• このスキルは設計のファシリテーションに焦点を当てており、特定の実装を強制するものではありません。
• スキルを最大限に活用するには、ユーザーが自身のユースケースを明確に定義する必要があります。