DenisSergeevitch/agents-best-practices

What it solves

它解决了在真实系统中构建可投入生产的 AI 代理程序的挑战，让代理程序能够执行有用的工作，同时避免让大型语言模型（LLM）获得未经审计的直接控制权。它提供了一套设计「harness」——围绕模型的运行时控制平面——的框架，以确保所有操作都经过验证、授权并记录。

How it works

此项目是一个「Agent Skill」，即可携带的领域知识包，兼容的 AI 代理程序（如 Claude Code 或 Codex）可以加载。它提供一系列参考指南与蓝图，指导代理程序实现严谨的运行时循环：指令 → 上下文构建 → 模型调用 → 工具提案 → 验证 → 权限决策 → 执行 → 观察。

Who it’s for

适用于开发者和架构师，构建任何领域的代理系统，包括编码、研究、支持、运维、销售、金融、数据分析、采购、法律、医疗保健以及一般工作流自动化。

Highlights

• MVP Blueprints：为特定领域生成最小可用、可投入生产的代理 harness。
• Harness Auditing：识别运行时失败点（例如预算不足、上下文压缩不佳），而不仅仅是提示问题。
• Permission Mapping：按风险类别（读取、草稿、写入等）对工具进行分类，以确定哪些自主操作是安全的，哪些需要人工批准。
• Runtime Discipline：强调执行动作的是 harness 而非模型，且长时间任务必须对步骤、时间和成本设定严格预算。