Подборка инструментов автоматизации рабочих процессов, платформ ИИ-агентов, фреймворков и обучающих материалов для разработчиков и команд.
ai-boost/awesome-harness-engineering
Подборка ресурсов, паттернов и шаблонов для проектирования инфраструктуры AI-агентов: память, MCP, разрешения, evals и оркестрация.
- Звёзды
- 4,882
- Форки
- 682
- Открытые issues
- 262
- Последний коммит
- вчера
Что это?
Awesome Harness Engineering — подборка материалов об инфраструктуре вокруг AI-агента, а не о самой модели. В эту инфраструктуру входят передача контекста, интерфейсы инструментов, артефакты планирования, циклы проверки, системы памяти, разрешения и песочницы — всё это влияет на то, справится ли агент с реальными задачами.
Материалы сгруппированы по задачам проектирования: цикл агента, планирование и декомпозиция задач, сжатие контекста, проектирование инструментов, skills и MCP, разрешения, память и состояние, оркестрация, проверка, наблюдаемость и участие человека в процессе. В подборку также входят эталонные реализации, руководства, шаблоны, evals и примеры из продакшена, а раздел с основами содержит эссе от OpenAI, Anthropic, Google и LangChain, а также научные статьи.
Подборка пригодится разработчикам, которые создают или оценивают кодинг-агентов и другие долгоживущие агентные системы и хотят сравнить подходы к проектированию, прежде чем выбрать фреймворк.
Ключевые возможности
- 01Материалы сгруппированы по основным элементам проектирования: циклу агента, планированию, сжатию контекста и проектированию инструментов
- 02Рассматриваются MCP, skills, разрешения и управление памятью
- 03Подборка материалов об evals, проверке и наблюдаемости
- 04Эталонные реализации, руководства и переиспользуемые шаблоны
- 05Основополагающие эссе и научные статьи об архитектуре агентов
Сценарии использования
- Проектирование инфраструктуры для кодинг-агента или долгоживущего агентного процесса
- Сравнение компромиссов в проектировании инфраструктуры перед выбором фреймворка для агентов
- Поиск подходов к оценке и примеров из продакшена для повышения надёжности агентов
Что важно знать
- В README нет инструкций по установке или запуску, поскольку это подборка ресурсов, а не исполняемое программное обеспечение.
- В метаданных лицензия указана как NOASSERTION, поэтому условия повторного использования неясны.
Темы
Частые вопросы
- Что такое awesome-harness-engineering?
- Подборка ресурсов, паттернов и шаблонов для проектирования инфраструктуры AI-агентов: память, MCP, разрешения, evals и оркестрация. Awesome Harness Engineering — подборка материалов об инфраструктуре вокруг AI-агента, а не о самой модели. В эту инфраструктуру входят передача контекста, интерфейсы инструментов, артефакты планирования, циклы проверки, системы памяти, разрешения и песочницы — всё это влияет на то, справится ли агент с реальными задачами.
- awesome-harness-engineering можно использовать бесплатно? Какая у него лицензия?
- awesome-harness-engineering распространяется с открытым исходным кодом под лицензией Other. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- awesome-harness-engineering всё ещё поддерживается?
- Активно поддерживается. Последний коммит в awesome-harness-engineering — 19 окт. 2026 г..
- Для чего можно использовать awesome-harness-engineering?
- Проектирование инфраструктуры для кодинг-агента или долгоживущего агентного процесса Сравнение компромиссов в проектировании инфраструктуры перед выбором фреймворка для агентов Поиск подходов к оценке и примеров из продакшена для повышения надёжности агентов
- Где скачать awesome-harness-engineering?
- Исходный код и инструкции по установке — на GitHub: https://github.com/ai-boost/awesome-harness-engineering
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Универсальное AI-приложение для общения с документами и запуска AI-агентов: локальная работа, поддержка нескольких пользователей и множество LLM-провайдеров.
OpenHuman — open-source desktop-приложение и библиотека на Rust для запуска множества AI-агентов с меньшими затратами на токены, память и ресурсы.
AX — это open-source декларативный оркестратор для запуска большого числа изолированных задач автономных агентов в Kubernetes-кластере.
Репозиторий с кодом к книге AI Agents: The Definitive Guide и Jupyter-ноутбуками о паттернах агентов, инструментах, оценке, памяти и безопасности.
Плагинный набор инструментов, который предоставляет Claude Code, Codex и другим агентам для программирования общие агенты, навыки, хуки, память и сканирование безопасности.