---

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

代理框架构建

当你在改进代理如何规划、调用工具、从错误中恢复以及收敛到完成时，使用此技能。

核心模型

代理输出质量受以下因素约束：

1. 动作空间质量
2. 观察质量
3. 恢复质量
4. 上下文预算质量

动作空间设计

1. 使用稳定、明确的工具名称。
2. 保持输入模式优先且范围窄。
3. 返回确定性的输出形状。
4. 除非隔离不可能，否则避免万能工具。

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

每个工具响应应包含：

• status：success|warning|error
• summary：一行结果
• next_actions：可操作的后续步骤
• artifacts：文件路径/ID

错误恢复契约

对于每个错误路径，包含：

• 根因提示
• 安全重试指令
• 明确的停止条件

上下文预算管理

1. 保持系统提示最小且不变。
2. 将大型指导移入按需加载的技能中。
3. 优先引用文件而非内联长文档。
4. 在阶段边界压缩，而非任意token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（推荐）：ReAct规划 + 类型化工具执行。

基准测试

跟踪：

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

反模式

• 语义重叠的工具过多。
• 不透明的工具输出，没有恢复提示。
• 仅有错误输出，没有后续步骤。
• 用无关引用过载上下文。