// 概要
本リポジトリは、AI モデルが認識し行動するために不可欠な環境である agent harness を構築するための包括的な教育フレームワークを提供します。真のエージェンシーはモデルの学習過程で獲得されるものであり、開発者の役割はモデルが機能するためのツール、知識、コンテキスト管理システムを構築することにあると説いています。12 回の段階的なセッションを通じて、ユーザーは Claude Code の背後にある原則をリバースエンジニアリングし、堅牢でスケーラブルな agent アーキテクチャを構築する方法を学びます。
// 技術解説
本プロジェクトは 「harness-first」 という設計哲学を推進しており、真のエージェンシーは複雑な手続き型コードのオーケストレーションではなく、トレーニング済みのモデルから導き出されると主張しています。インテリジェントなモデルが効果的に認識、推論、行動するための環境、すなわち harness を構築するための構造化されたフレームワークを提供することで、業界でよく見られる 「prompt plumbing」 という落とし穴に対処しています。インテリジェンス (モデル) とインフラストラクチャ (harness) を分離することで、本プロジェクトはソフトウェアエンジニアリング以外の多様なドメインにも適用可能な、モジュール式でスケーラブルなエージェント構築アプローチを提供します。
// 主要ハイライト
// ユースケース
// クイックスタート
開始するには、リポジトリを clone し、 'pip install -r requirements.txt' を使用して必要な依存関係をインストールしてください。サンプルファイルを '.env' にコピーし、 ANTHROPIC_API_KEY を追加して環境を設定します。その後、 'agents/' ディレクトリ内のスクリプトを 's01_agent_loop.py' から順に実行し、 's_full.py' での完全な実装に向けて進めることで、学習の進捗を確認できます。