Communitygithub.com

GAN 風格協作框架 (gan-style-harness)

受 GAN 啟發的生成器-評估器雙代理協作框架，用於自主建構高品質應用程式。基於 Anthropic 的 Harness 設計。

GAN 風格協作框架 (gan-style-harness) 是什麼？

GAN 風格協作框架 (GAN-Style Harness) 是一個受生成對抗網路 (GAN) 啟發的多代理協作框架，將應用程式開發過程中的「生成」與「評估」角色分離，形成對抗性的反饋循環，以顯著提升最終產出品質。此框架適用於 Claude Code、Cursor 等支援多代理協作的平台，特別適合需要從一行提示詞建構完整應用、追求高視覺品質的前端設計，或需要完整功能的全端專案。其核心架構包含三個代理：規劃器 (Planner) 將簡短提示擴展為完整產品規格、生成器 (Generator) 根據規格迭代開發功能、評估器 (Evaluator) 則使用 Playwright MCP 與即時運行的應用程式互動，根據設計品質、原創性、工藝與功能性等四個面向進行嚴格評分。此循環會迭代 5 到 15 次，直到加權平均分數達到 7.0 的通過門檻，從而確保產出品質遠超單一代理的成果。雖然成本與時間是單一代理的 14-20 倍，但其成果能從「勉強可用」躍升至「接近量產」的水準。

相容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/gan-style-harness
查看原文→瀏覽所有技能

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

說明文件

GAN 風格協作框架技能

靈感來自 Anthropic 的長期應用開發 Harness 設計 (2026 年 3 月 24 日)

一個多代理協作框架，將生成與評估分離，形成對抗性的反饋循環，驅動品質遠超單一代理所能達到的水準。

核心洞見

當要求代理評估自己的工作時，它們是病態的樂觀主義者——它們會讚揚平庸的輸出，並說服自己忽視真正的問題。但設計一個獨立的評估器，使其變得殘酷嚴謹，遠比教導生成器自我批評要可行得多。

這與 GAN（生成對抗網路）的動態相同：生成器負責產出，評估器負責批評，而反饋驅動下一次迭代。

使用時機

  • 從一行提示詞建構完整的應用程式
  • 需要高視覺品質的前端設計任務
  • 需要可運作功能而非僅是程式碼的全端專案
  • 任何無法忍受「AI 劣質美學」的任務
  • 願意投入 50-200 美元以獲得生產級品質的專案

不應使用時機

  • 快速的單檔案修復（使用標準的 claude -p）
  • 預算緊張（低於 10 美元）的任務
  • 簡單的程式碼重構（改用 de-sloppify 模式）
  • 已經有明確定義與測試的任務（使用 TDD 工作流程）

架構

                    ┌─────────────┐
                    │   規劃器    │
                    │  (Sonnet)   │
                    └──────┬──────┘
                           │ 產品規格
                           │ (功能、衝刺、設計方向)
                           ▼
              ┌────────────────────────┐
              │                        │
              │   生成器-評估器        │
              │     反饋循環           │
              │                        │
              │  ┌──────────┐          │
              │  │ 生成器   │--建構-->│──┐
              │  │ (Sonnet) │          │  │
              │  └────▲─────┘          │  │
              │       │                │  │ 即時應用
              │    反饋                │  │
              │       │                │  │
              │  ┌────┴─────┐          │  │
              │  │ 評估器   │<--測試---│──┘
              │  │ (Sonnet) │          │
              │  │+Playwright│         │
              │  └──────────┘          │
              │                        │
              │   5-15 次迭代          │
              └────────────────────────┘

三個代理

1. 規劃器代理

角色： 產品經理 — 將簡短的提示詞擴展為完整的產品規格。

關鍵行為：

  • 接收一行提示詞，產出包含 16 個功能、多個衝刺的規格
  • 定義使用者故事、技術需求與視覺設計方向
  • 刻意雄心勃勃 — 保守的規劃會導致平庸的結果
  • 產出評估器後續將使用的評估標準

模型： 預設為 Sonnet；可透過 GAN_PLANNER_MODEL=opus 提升以進行更深入的規格擴展

2. 生成器代理

角色： 開發者 — 根據規格實作功能。

關鍵行為：

  • 以結構化衝刺（或與較新模型搭配的連續模式）進行開發
  • 在編寫程式碼前，先與評估器協商「衝刺合約」
  • 使用全端工具：React、FastAPI/Express、資料庫、CSS
  • 管理 git 以進行迭代間的版本控制
  • 閱讀評估器的反饋，並在下一次迭代中納入

模型： 預設為 Sonnet；可透過 GAN_GENERATOR_MODEL=opus 提升以獲得最大編碼能力

3. 評估器代理

角色： 品質保證工程師 — 測試即時運行的應用程式，而非僅是程式碼。

關鍵行為：

  • 使用 Playwright MCP 與即時應用程式互動
  • 點擊功能、填寫表單、測試 API 端點
  • 根據四個可設定的標準進行評分：
    1. 設計品質 — 整體感覺是否一致？
    2. 原創性 — 自訂決策 vs. 模板/AI 模式？
    3. 工藝 — 排版、間距、動畫、微互動？
    4. 功能性 — 所有功能是否真的有效？
  • 回傳結構化的反饋，包含分數與具體問題
  • 被設計為殘酷嚴謹 — 絕不讚揚平庸的作品

模型： 預設為 Sonnet；可透過 GAN_EVALUATOR_MODEL=opus 提升以獲得更強的判斷力與工具使用能力

評估標準

預設的四個標準，每個評分 1-10 分：

## 評估評分表

### 設計品質 (權重: 0.3)
- 1-3: 泛型、模板化、「AI 劣質」美學
- 4-6: 合格但不出色，遵循慣例
- 7-8: 獨特、一致的視覺識別
- 9-10: 可媲美專業設計師的作品

### 原創性 (權重: 0.2)
- 1-3: 預設顏色、標準佈局、缺乏個性
- 4-6: 有一些自訂選擇，大多為標準模式
- 7-8: 清晰的創意願景，獨特的方法
- 9-10: 令人驚喜、愉悅、真正新穎

### 工藝 (權重: 0.3)
- 1-3: 佈局破損、缺少狀態、無動畫
- 4-6: 可運作但感覺粗糙、間距不一致
- 7-8: 精緻、流暢的過渡、響應式
- 9-10: 像素完美、令人愉悅的微互動

### 功能性 (權重: 0.2)
- 1-3: 核心功能破損或缺失
- 4-6: 快樂路徑可運作，邊緣案例失敗
- 7-8: 所有功能正常，錯誤處理良好
- 9-10: 無懈可擊，處理所有邊緣案例

評分

  • 加權分數 = 總和(標準分數 * 權重)
  • 通過門檻 = 7.0 (可設定)
  • 最大迭代次數 = 15 (可設定，通常 5-15 次足夠)

使用方式

透過指令

# 完整的三代理協作框架
/project:gan-build "建立一個包含看板、團隊協作與深色模式的專案管理應用程式"

# 自訂設定
/project:gan-build "建立一個食譜分享平台" --max-iterations 10 --pass-threshold 7.5

# 前端設計模式 (僅生成器 + 評估器，無規劃器)
/project:gan-design "為加密貨幣投資組合追蹤器建立一個登陸頁面"

透過 Shell 腳本

# 基本用法
./scripts/gan-harness.sh "建立一個音樂串流儀表板"

# 搭配選項
GAN_MAX_ITERATIONS=10 \
GAN_PASS_THRESHOLD=7.5 \
GAN_EVAL_CRITERIA="functionality,performance,security" \
./scripts/gan-harness.sh "為任務管理建立一個 REST API"

透過 Claude Code (手動)

# 步驟 1: 規劃
claude -p --model sonnet "你是一個產品規劃器。閱讀 PLANNER_PROMPT.md。將這個簡短提示擴展成完整的產品規格：'建立一個看板應用程式'。將規格寫入 spec.md"

# 步驟 2: 生成 (第一次迭代)
claude -p --model sonnet "你是一個生成器。閱讀 spec.md。實作衝刺 1。在連接埠 3000 啟動開發伺服器。"

# 步驟 3: 評估 (第一次迭代)
claude -p --model sonnet --allowedTools "Read,Bash,mcp__playwright__*" "你是一個評估器。閱讀 EVALUATOR_PROMPT.md。測試 http://localhost:3000 的即時應用程式。根據評分表評分。將反饋寫入 feedback-001.md"

# 步驟 4: 生成 (第二次迭代 — 閱讀反饋)
claude -p --model sonnet "你是一個生成器。閱讀 spec.md 和 feedback-001.md。解決所有問題。提高分數。"

# 重複步驟 3-4 直到達到通過門檻

隨模型能力演進

隨著模型改進，協作框架應隨之簡化。遵循 Anthropic 的演進路線：

第一階段 — 較弱模型 (Sonnet 等級)

  • 需要完整的衝刺拆分
  • 衝刺之間的上下文重置（避免上下文焦慮）
  • 最少 2 個代理：初始化器 + 編碼代理
  • 大量框架補償模型限制

第二階段 — 能力強模型 (Opus 4.5 等級)

  • 完整的 3 代理協作框架：規劃器 + 生成器 + 評估器
  • 每個實作階段前都有衝刺合約
  • 複雜應用程式採用 10 個衝刺拆分
  • 上下文重置仍有幫助，但不那麼關鍵

第三階段 — 前沿模型 (Opus 4.6 等級)

  • 簡化協作框架：單次規劃階段、連續生成
  • 評估縮減為單次最終評估（模型更聰明）
  • 不需要衝刺結構
  • 自動壓縮處理上下文增長

關鍵原則： 框架的每個元件都編碼了關於模型獨自無法勝任的假設。當模型改進時，重新測試這些假設。移除不再需要的部分。

設定

環境變數

變數預設值說明
GAN_MAX_ITERATIONS15生成器-評估器的最大循環次數
GAN_PASS_THRESHOLD7.0通過的加權分數 (1-10)
GAN_PLANNER_MODELsonnet規劃代理的模型
GAN_GENERATOR_MODELsonnet生成代理的模型
GAN_EVALUATOR_MODELsonnet評估代理的模型
GAN_EVAL_CRITERIAdesign,originality,craft,functionality逗號分隔的評估標準
GAN_DEV_SERVER_PORT3000即時應用程式的連接埠
GAN_DEV_SERVER_CMDnpm run dev啟動開發伺服器的指令
GAN_PROJECT_DIR.專案工作目錄
GAN_SKIP_PLANNERfalse跳過規劃器，直接使用規格
GAN_EVAL_MODEplaywrightplaywright、screenshot 或 code-only

評估模式

模式工具最佳適用場景
playwright瀏覽器 MCP + 即時互動具有 UI 的全端應用程式
screenshot螢幕截圖 + 視覺分析靜態網站、純設計
code-only測試 + 程式碼檢查 + 建構API、函式庫、CLI 工具

反模式

  1. 評估器過於寬容 — 如果評估器在第一次迭代就通過所有項目，則表示評分標準過於寬鬆。應緊縮評分標準，並為常見的 AI 模式加入明確的扣分項目。

  2. 生成器忽略反饋 — 確保反饋以檔案而非內嵌方式傳遞。生成器應在每次迭代開始時讀取 feedback-NNN.md。

  3. 無限迴圈 — 務必設定 GAN_MAX_ITERATIONS。如果生成器在 3 次迭代後無法突破分數高原，則應停止並標記為需人工審查。

  4. 評估器測試流於表面 — 評估器必須使用 Playwright 與即時應用程式互動，而非僅進行螢幕截圖。點擊按鈕、填寫表單、測試錯誤狀態。

  5. 評估器讚揚自己的修正 — 切勿讓評估器建議修正方案後又評估這些修正。評估器僅負責批評；生成器負責修正。

  6. 上下文耗盡 — 對於長時間的會話，請使用 Claude Agent SDK 的自動壓縮功能，或在主要階段之間重置上下文。

成果：預期成效

根據 Anthropic 發表的結果：

指標單一代理GAN 協作框架改善幅度
時間20 分鐘4-6 小時長 12-18 倍
成本$9$125-200高 14-22 倍
品質勉強可用接近量產質的飛躍
核心功能破損全部正常不適用
設計通用 AI 劣質獨特、精緻不適用

取捨非常明確： 約 20 倍的時間與成本，換取輸出品質的質的躍升。這適用於重視品質的專案。

參考資料

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.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

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.

相關技能

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

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.

community