Sobre o projeto

Este é um repositório educacional que ensina 'harness engineering' para agentes de IA: a disciplina de construir o ambiente operacional em torno de um modelo treinado. Sua tese central é que a agentividade (perceber, raciocinar, agir) vem do treinamento do modelo, não da orquestração de código externo; um produto de agente é modelo + harness. O README distingue agentes genuínos de construtores de workflows baseados em encadeamento de prompts, e argumenta que a inteligência não pode ser projetada empilhando código de cola procedural. O curso consiste em 17 lições progressivas (s01–s17), cada uma isolando um mecanismo de harness e entregando uma implementação Python autônoma e executável (code.py), READMEs em inglês/chINÊS/japonês e diagramas SVG. As lições cobrem: - s01 Loop do agente (um loop + bash) - s02 Despacho de uso de ferramentas - s03 Sistema de permissões - s04 Hooks em torno do loop - s05 Planejamento com TodoWrite - s06 Isolamento de contexto de subagente - s07 Carregamento de skills sob demanda - s08 Compactação de contexto - s09 Subsistemas de memória (seleção, extração, consolidação) - s10 Sistema de tarefas com arquivos de apoio - s11 Tarefas em segundo plano - s12 Agendamento com Cron - s13 Equipes de agentes com reivindicações atômicas de tarefas e worktrees vinculados a tarefas - s14 Integração de ferramentas de plugin MCP - s15 Harness integrado reconectando todos os mecanismos em torno de um loop - s16 Runtime de workflow com journals retomáveis - s17 Goal loop com avaliação de parada independente A implementação segue um loop genérico de agente LLM: mensagens entram, resposta sai, blocos tool_use são executados, resultados são anexados, o loop se repete. Cada capítulo adiciona exatamente um mecanismo em torno desse loop constante. O Claude Code é referenciado como um modelo de harness bem projetado porque fornece ferramentas, carregamento de conhecimento, gerenciamento de contexto e limites de permissão sem impor workflows rígidos. O repositório também preserva uma trilha legada de 12 lições em docs/ e agents/ durante a migração, com uma tabela de mapeamento para os capítulos atuais. Início rápido: clone, pip install requirements, configure ANTHROPIC_API_KEY no .env, então execute o código do capítulo como python s01_agent_loop/code.py. Uma versão de aplicativo web está incluída em web/. Projetos complementares mencionados incluem o Kode Agent CLI e o Kode Agent SDK, além de um tutorial irmão (OpenClaw) sobre harnesses de assistentes sempre ativos.