DenisSergeevitch/agents-best-practices

Provider-neutral Agent Skill for Codex, Claude Code, and agentic harness design.

解决的问题

本项目提供了一个结构化的框架和一系列最佳实践,用于构建「智能体 harness」——即围绕 AI 模型运行时环境,使其安全、可靠并适用于生产环境。它解决了赋予智能体自主性以完成有用工作,与防止模型在现实系统中成为未经审计、不安全的操作者之间的矛盾。

如何工作

不依赖基于提示的安全机制,该项目定义了一个严格的控制平面,其中模型仅提出操作建议,而应用程序代码(harness)负责验证、授权和执行。它提供了一个全面的参考文档库,涵盖以下内容:

  • 智能体循环:管理重试、预算(时间、成本、令牌)和终止规则。
  • 工具治理:使用窄范围、类型化的工具以及基于风险的权限级别(例如,分离读取、草稿和破坏性写入)。
  • 上下文管理:保留活跃状态的检索、记忆和自动压缩策略。
  • 高级架构:MVP 智能体、递归 harness 和推测性工具执行的蓝图。
  • 环境适应:让智能体在陌生环境中安全发现并绑定工具的方法。

适用对象

为各种领域(包括编码、研究、支持、运维、销售、金融和医疗)构建 AI 智能体的开发者和架构师,他们需要从简单的原型迈向生产安全系统。

亮点

  • 供应商中立:适用于不同 LLM 供应商(如 OpenAI、Anthropic 等)。
  • 基于风险的权限:强制区分自主读取与需审批的写入操作。
  • 以 harness 为中心的理念:将安全性和可靠性责任从提示转移到运行时代码。
  • 全面的蓝图:包含 MVP 设计、现有 harness 审计以及实现长期目标的具体指南。
  • 智能体技能集成:打包为与 Codex 和 Claude Code 兼容的可移植「智能体技能」。

相关

  • 项目
  • 项目
  • 项目
  • 项目
  • 项目