Agent Harness Engineering

Beschrijving

Naarmate AI-agents steeds autonomer worden, blijkt dat betere prompts alleen niet voldoende zijn. Prompts zijn suggesties die agents kunnen negeren of vergeten tussen sessies. Betrouwbare AI-systemen ontstaan niet door een slimmer model, maar door een goede agent harness—de infrastructuur die een AI-agent omwikkelt, gedrag afdwingt en resultaten valideert.

Deze training lost drie echte problemen op: agents die voortijdig aangeven klaar te zijn ook als tests falen, contextverlies en herhaalwerk tussen sessies, en het bouwen van meer dan gevraagd omdat scope niet duidelijk is.

Een harness bestaat uit vijf subsystemen die samenwerken:

• Instructions — Wat de agent moet doen en in welke volgorde (CLAUDE.md, ADR's, domeintaal, progressieve informatieverstrekking)
• State — Wat is gedaan, wat is bezig, wat komt hierna (voortgangslogboeken, feature lists, git history, sessievervolg)
• Verification — Alleen geslaagde tests tellen als bewijs (linting, mutatietesten, E2E runs, geen voortijdige voltooiing)
• Scope — Eén feature tegelijk, geen overreach (feature lists, expliciete done-definities, afgedwongen grenzen)
• Lifecycle — Initialiseer in een geïsoleerde sandbox voor het werk, ruim op daarna (gezondheidscontroles, bestandsgrenzen, permissiecontroles, voortgangsoverdracht, herstelroutes voor volgende sessie)

In deze training leer je hoe je deze vijf subsystemen ontwerpt, bouwt en onderhoudt met een twee-directionaal controlemodel:

• Guides — Voorwaartse controles die ongewenst gedrag voorkomen voordat de agent handelt. Voorbeeld: een ADR die de agent eerst leest; een skilllijst die onbetrouwbare tools uitsluit.
• Sensors — Terugkoppeling die problemen opspoort en corrigeert na uitvoering. Voorbeeld: een hook die tests uitvoert na elke commit; Semgrep-regels die verboden patronen onderscheppen.

Je ontdekt hoe deze samen agents sturen en hun output bewaken, over meerdere sessies heen. Dit voorkomt veel voorkomende fouten: agents die voortijdig aangeven klaar te zijn, contextverlies tussen sessies, het bouwen van meer dan gevraagd.

Je gebruikt al skills, subagents en hooks in je agent workflows. Deze training maakt van deze aparte stukken één geïntegreerd systeem—een harness die elke fase van agent-uitvoering beheerst.

Aan de hand van praktijkvoorbeelden bouw je een complete agent harness rond een bestaande codebase. Je werkt met componenten zoals CLAUDE.md-hiërarchieën, architectuurbesluiten (ADR's), domeintaal, linting, Semgrep, mutatietesten, contextpartitionering, observeerbaarheid en sessieoverdrachtspatronen.

Na afloop kun je een complete harness ontwerpen waarmee AI-agents betrouwbaar binnen je team samenwerken en fouten vroegtijdig worden onderschept voordat deze productie bereiken.

Benodigde voorkennis

Je hebt nodig:

• Praktische ervaring met een agentic codeertool (Claude Code, Copilot agent mode, Cursor) op een echte codebase.
• Vertrouwdheid met instructiebestanden (CLAUDE.md of AGENTS.md) en wat ze bevatten.
• Basiskennis van skills, subagents en hooks—hoe ze agentgedrag sturen en beperken.
• Begrip van sessies en contextvensters (wat gaat verloren tussen runs, wat blijft bestaan).
• Gemak met git (branches, commits, history) en geautomatiseerde tests en linting.

Dit is geen introductiecursus voor AI-assistenten. Je moet agenten al eerder hebben gebruikt om waarde uit dit materiaal te halen.