Communitygithub.com

Construção de Arnês de Agente

Projete e otimize espaços de ação, definições de ferramentas e formatação de observação de agentes de IA para maiores taxas de conclusão. Use ao definir ou revisar um agente.

O que é Construção de Arnês de Agente?

Esta habilidade fornece um conjunto de princípios e padrões para projetar e otimizar o 'arnês' (interface de interação) de um agente de IA, incluindo seu espaço de ação, definições de ferramentas, observações, recuperação de erros e orçamento de contexto. Ela é útil para desenvolvedores que estão definindo ou revisando as capacidades de um agente, com o objetivo de aumentar as taxas de conclusão de tarefas. A habilidade cobre a criação de ferramentas com nomes estáveis e explícitos, esquemas de entrada restritos e formas de saída determinísticas, bem como a granularidade apropriada das ferramentas (micro, médio, macro) com base no risco e custo de operação. Também aborda o design de observações com campos como status, resumo, próximas ações e artefatos; um contrato de recuperação de erros com dicas de causa raiz, instruções de nova tentativa segura e condições de parada; e estratégias de orçamento de contexto, como manter o prompt do sistema mínimo e invariante e carregar habilidades sob demanda. Além disso, oferece orientação sobre padrões de arquitetura (ReAct, Function-calling, Híbrido), métricas de benchmarking (taxa de conclusão, retentativas por tarefa, pass@1/pass@3, custo por tarefa bem-sucedida) e lista antipadrões, como muitas ferramentas com semântica sobreposta ou saída opaca sem dicas de recuperação.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/agent-harness-construction

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Construção de Arnês de Agente faz?

Use esta habilidade quando estiver melhorando como um agente planeja, chama ferramentas, se recupera de erros e converge para a conclusão.

Modelo Central

A qualidade da saída do agente é limitada por:

  1. Qualidade do espaço de ação
  2. Qualidade da observação
  3. Qualidade da recuperação
  4. Qualidade do orçamento de contexto

Design do Espaço de Ação

  1. Use nomes de ferramentas estáveis e explícitos.
  2. Mantenha as entradas focadas no esquema e estreitas.
  3. Retorne formas de saída determinísticas.
  4. Evite ferramentas abrangentes, a menos que o isolamento seja impossível.

Regras de Granularidade

  • Use micro-ferramentas para operações de alto risco (implantação, migração, permissões).
  • Use ferramentas médias para loops comuns de edição/leitura/pesquisa.
  • Use macro-ferramentas apenas quando a sobrecarga de ida e volta for o custo dominante.

Design de Observação

Toda resposta de ferramenta deve incluir:

  • status: sucesso|aviso|erro
  • summary: resultado em uma linha
  • next_actions: acompanhamentos acionáveis
  • artifacts: caminhos de arquivo / IDs

Contrato de Recuperação de Erro

Para cada caminho de erro, inclua:

  • dica da causa raiz
  • instrução de nova tentativa segura
  • condição de parada explícita

Orçamento de Contexto

  1. Mantenha o prompt do sistema mínimo e invariante.
  2. Mova grandes orientações para habilidades carregadas sob demanda.
  3. Prefira referências a arquivos em vez de incorporar documentos longos.
  4. Compacte nos limites de fase, não em limites arbitrários de tokens.

Orientação de Padrão de Arquitetura

  • ReAct: melhor para tarefas exploratórias com caminho incerto.
  • Function-calling: melhor para fluxos determinísticos estruturados.
  • Híbrido (recomendado): planejamento ReAct + execução de ferramentas tipadas.

Benchmarking

Acompanhe:

  • taxa de conclusão
  • retentativas por tarefa
  • pass@1 e pass@3
  • custo por tarefa bem-sucedida

Antipadrões

  • Muitas ferramentas com semântica sobreposta.
  • Saída opaca da ferramenta sem dicas de recuperação.
  • Saída apenas de erro sem próximas etapas.
  • Sobrecarga de contexto com referências 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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Habilidades Relacionadas