everything-claude-code/docs/zh-CN/skills/agent-harness-construction/SKILL.md

name, description, origin

name	description	origin
agent-harness-construction	设计和优化AI代理的动作空间、工具定义和观察格式，以提高完成率。	ECC

智能体框架构建

当你在改进智能体的规划、调用工具、从错误中恢复以及收敛到完成状态的方式时，使用此技能。

核心模型

智能体输出质量受限于：

1. 行动空间质量
2. 观察质量
3. 恢复质量
4. 上下文预算质量

行动空间设计

1. 使用稳定、明确的工具名称。
2. 保持输入模式优先且范围狭窄。
3. 返回确定性的输出形状。
4. 除非无法隔离，否则避免使用全能型工具。

粒度规则

• 对高风险操作（部署、迁移、权限）使用微工具。
• 对常见的编辑/读取/搜索循环使用中等工具。
• 仅当往返开销是主要成本时使用宏工具。

观察设计

每个工具响应都应包括：

• status: success|warning|error
• summary: 一行结果
• next_actions: 可执行的后续步骤
• artifacts: 文件路径 / ID

错误恢复契约

对于每个错误路径，应包括：

• 根本原因提示
• 安全重试指令
• 明确的停止条件

上下文预算管理

1. 保持系统提示词最少且不变。
2. 将大量指导信息移至按需加载的技能中。
3. 优先引用文件，而不是内联长文档。
4. 在阶段边界处进行压缩，而不是任意的令牌阈值。

架构模式指导

• ReAct：最适合路径不确定的探索性任务。
• 函数调用：最适合结构化的确定性流程。
• 混合模式（推荐）：ReAct 规划 + 类型化工具执行。

基准测试

跟踪：

• 完成率
• 每项任务的重试次数
• pass@1 和 pass@3
• 每个成功任务的成本

反模式

• 太多语义重叠的工具。
• 不透明的工具输出，没有恢复提示。
• 仅输出错误而没有后续步骤。
• 上下文过载，包含不相关的引用。