README_RU.md
April 2, 2026 · View on GitHub
「Aha」— AutoHarness: Automated Harness Engineering for AI Agents
Каждый агент заслуживает момента aha — модель рассуждает, мы берём на себя всё остальное.
🇬🇧 English · 🇨🇳 简体中文 · 🇯🇵 日本語 · 🇰🇷 한국어 · 🇪🇸 Español · 🇫🇷 Français · 🇩🇪 Deutsch · 🇵🇹 Português · 🇷🇺 Русский
📖 Документация · ⚡ Быстрая установка · 🚀 Быстрый старт · ✨ Возможности · 📊 Сравнение
⚡ Быстрая установка
git clone https://github.com/aiming-lab/AutoHarness.git
cd AutoHarness && pip install -e .
from openai import OpenAI
from autoharness import AutoHarness
client = AutoHarness.wrap(OpenAI())
# Вот и всё. У вашего агента только что наступил момент aha.
🔥 Новости
- [01.04.2026] Выпуск v0.2.0: Три режима конвейера (Core / Standard / Enhanced), диагностика на основе трейсов, валидационные шлюзы интерфейсов, улучшенное управление контекстом. 958 тестов пройдено.
- [01.04.2026] Выпуск v0.1.0: 6-шаговый конвейер управления, сопоставление паттернов риска, YAML-конституция, аудит-трасса, мульти-агентные профили, персистентность сессий с отслеживанием затрат.
🤔 Почему Aha (AutoHarness)?
В обучении LLM момент aha — это когда модель внезапно учится рассуждать.
Для агентов момент aha — это когда они переходят от «готов к демо» к по-настоящему надёжным.
Разрыв огромен: управление контекстом, управление инструментами, контроль затрат, наблюдаемость, персистентность сессий... Это паттерны, которые отделяют игрушку от системы. Мы называем это harness-инженерия.
AutoHarness — это легковесный, многоуровневый фреймворк управления, чтобы каждый агент мог пережить свой момент aha.
Агент = Модель + Harness. Модель рассуждает. Harness делает всё остальное.
🚀 Быстрый старт
# Оберните любой LLM-клиент (2 строки, мгновенное управление)
from openai import OpenAI
from autoharness import AutoHarness
client = AutoHarness.wrap(OpenAI())
response = client.chat.completions.create(
model="gpt-5.4",
messages=[{"role": "user", "content": "Refactor auth.py"}],
tools=[{"type": "function", "function": {"name": "Bash", "description": "Run shell commands",
"parameters": {"type": "object", "properties": {"command": {"type": "string"}}}}}],
)
# Или используйте полный цикл агента
from autoharness import AgentLoop
loop = AgentLoop(model="gpt-5.4", constitution="constitution.yaml")
result = loop.run("Fix the failing tests in auth.py")
✨ Что вы получаете
| Без Harness | С AutoHarness |
|---|---|
Агент выполняет rm -rf /, ничто его не останавливает | 6-шаговый конвейер блокирует, логирует и объясняет почему |
| Контекст превышает лимит токенов | Бюджет токенов + усечение держат контекст под контролем |
| Непонятно, какой вызов инструмента сколько стоил | Атрибуция затрат по вызову с учётом цен модели |
| Инъекция промптов проходит незамеченной | Многоуровневая валидация: входные рельсы, выполнение, выходные рельсы |
| Нет аудит-трассы для соответствия требованиям | JSONL-аудит фиксирует каждое решение с полной историей |
| Агенты используют один набор разрешений | Мульти-агентные профили с управлением на основе ролей |
Центральная архитектура: 6-шаговый конвейер управления
Каждый вызов инструмента проходит через структурированный конвейер:
1. Parse & Validate → 2. Risk Classify → 3. Permission Check
4. Execute → 5. Output Sanitize → 6. Audit Log
Встроенные паттерны риска обнаруживают опасные операции, утечку секретов, обход путей и многое другое.
В цифрах
6-шаговый конвейер управления · Сопоставление паттернов риска · YAML-конституция
Управление бюджетом токенов · Мульти-агентные профили · JSONL аудит-трасса
2 строки для интеграции · 0 привязки к поставщику · Лицензия MIT
🔧 Режимы конвейера
AutoHarness поддерживает три режима конвейера. Выберите уровень управления, подходящий для ваших задач:
| Режим | Конвейер | Контекст | Мульти-агент | Применение |
|---|---|---|---|---|
| Core | 6 шагов | Бюджет токенов + усечение | Один агент | Легковесное управление |
| Standard | 8 шагов | + Microcompact + хранилище трейсов | Базовые профили | Продакшн-агенты |
| Enhanced | 14 шагов | + LLM-суммаризация + удаление изображений | Fork / Swarm / Background | Максимальное управление |
# Переключение режимов через конституцию
# constitution.yaml
mode: core # или "standard" или "enhanced"
# Или через CLI
autoharness mode enhanced
Режим Enhanced установлен по умолчанию. Пользователи получают максимальное управление из коробки. Переключитесь на Core для минимальной нагрузки.
🖥️ CLI
autoharness init # Сгенерировать конституцию (default/strict/soc2/hipaa/financial)
autoharness init --mode core # Сгенерировать с определённым режимом конвейера
autoharness mode # Показать текущий режим конвейера
autoharness mode enhanced # Переключить режим конвейера
autoharness validate constitution.yaml # Валидировать файл конституции
autoharness check --stdin --format json # Проверить вызов инструмента по вашим правилам
autoharness audit summary # Просмотр сводки аудита
autoharness install --target claude-code # Установить как хук Claude Code (одна команда)
autoharness export --format cursor # Экспортировать кросс-harness конституцию
📊 Сравнение
| Возможность | AutoHarness | LangGraph | Guardrails AI | OpenAI SDK |
|---|---|---|---|---|
| Конвейер управления инструментами | ✅ 6 шагов (до 14) | ❌ | ⚠️ Только выход | ❌ |
| Управление контекстом | ✅ Многоуровневое | ❌ | ❌ | ⚠️ Усечение |
| Мульти-агентные профили | ✅ | ✅ Графы | ❌ | ⚠️ Handoff |
| Валидация (вход+выход) | ✅ | ❌ | ✅ Rails | ❌ |
| Диагностика на основе трейсов | ✅ | ❌ | ❌ | ❌ |
| Атрибуция затрат | ✅ По вызову | ❌ | ❌ | ❌ |
| Привязка к поставщику | Нет | LangChain | Нет | OpenAI |
| Настройка | 2 строки | Graph DSL | RAIL XML | SDK |
🙏 Благодарности
- Claude Code от Anthropic: инженерные паттерны, вдохновившие некоторые возможности нашего режима Enhanced
- Codex от OpenAI: практики контекстной инженерии, повлиявшие на архитектуру нашего управления контекстом
📌 Цитирование
Если вы используете AutoHarness в своих исследованиях, пожалуйста, укажите:
@software{autoharness2026,
title = {AutoHarness: The Harness Engineering Framework for AI Agents},
author = {{AutoHarness Team}},
year = {2026},
url = {https://github.com/aiming-lab/AutoHarness},
license = {MIT}
}
⚠️ Отказ от ответственности
Некоторые архитектурные решения в режиме Enhanced были основаны на публично доступном анализе и обсуждениях сообщества относительно дизайна Claude Code после его непреднамеренной публикации через npm-реестр Anthropic 31.03.2026. Мы признаём, что оригинальный исходный код Claude Code является интеллектуальной собственностью Anthropic. AutoHarness не содержит, не распространяет и не переводит напрямую какой-либо проприетарный код Anthropic. Мы уважаем права ИС Anthropic и оперативно рассмотрим любые вопросы — свяжитесь с нами через issue или autoharness.aha@gmail.com.
📄 Лицензия
MIT — подробности в LICENSE.