Willkommen bei den Projekten

Dies ist der praktische Teil von Learn Harness Engineering. Die Lektionen zu lesen reicht nicht aus: Du musst die Umgebungen selbst bauen und beobachten, wie Codex, Claude Code oder andere KI-Agenten unter verschiedenen Regeln reagieren.

Projektübersicht

Der Kurs enthält 6 aufeinander aufbauende Praxisprojekte, die zeigen, wie man eine zuverlässige agentische Arbeitsumgebung von Grund auf baut:

1. Nur Prompt vs Regeln zuerst: Vergleiche, wie ein Agent nur mit Prompt und mit einfachem harness arbeitet.
2. Agent-lesbarer Workspace: Lerne, ein Repository KI-freundlich zu strukturieren und Handoff-Mechanismen einzurichten.
3. Kontinuität über Sessions: Entwirf Zustandsdateien und Initialisierungsskripte, damit der Agent über Sessions hinweg nahtlos weiterarbeiten kann.
4. Runtime-Feedback und Scope-Kontrolle: Führe Werkzeuge ein, mit denen der Agent seinen eigenen Code testen und Fehler während der Ausführung korrigieren kann.
5. Selbstverifikation und Rollentrennung: Baue einen unabhängigen Review-Mechanismus, um Halluzinationen und zu frühe Erfolgsmeldungen zu vermeiden.
6. Vollständiger harness (Capstone): Setze eine finale, beobachtbare, end-to-end agentische Arbeitsumgebung zusammen.

Vorgehen

Jeder Projektordner enthält typischerweise:

• starter/: deinen Start-Workspace.
• solution/: eine Referenzimplementierung, falls du feststeckst.
• Aufgabenanweisungen mit Hintergrund und konkreten Zielen.

Nutze deinen bevorzugten AI Coding Agent, zum Beispiel Claude Code, Cursor oder Trae, um die Aufgaben im Verzeichnis starter/ abzuschließen.