为什么你的 AI Agent 总是跑崩？试试这个 23 万星的设计框架

你有没有这种感觉——同样是 AI Agent，有的跑起来像火箭，有的跑起来像卡在半路的拖拉机？

问题往往不在模型，而在 Agent 的架构设计。

GitHub 上最近有个很火的项目叫 ECC（Episode Continuity & Craft），旗下有一个 Skill 叫 agent-harness-construction——专门教你如何从底层优化 AI Agent 的构建方式，让它的完成率、容错率和执行效率都上一个台阶。

它解决什么问题？

大多数 Agent 跑崩，逃不出这四类：

• Action Space 太烂——工具定义模糊、边界不清，Agent 自己都搞不清该用哪个工具。
• Observation 质量差——工具返回的信息没有结构，Agent 读完还是懵的。
• 容错机制缺失——一出错就卡死，没有任何恢复预案。
• Context 爆炸——系统提示词越来越长，模型越来越不稳定。

核心设计原则

这个 Skill 提炼出一套方法论：

Action Space 设计——工具名要稳定、输入要 schema-first、输出形状要确定。别用”万能工具”处理所有事，隔离风险高的操作。

Observation 规范——每个工具返回必须包含 status / summary / next_actions / artifacts 四字段，让 Agent 有据可依。

Error Recovery Contract——每个错误路径都要给出根因提示、安全重试指令和明确停止条件。

Context Budgeting——系统提示词保持最小化，把大量指引卸载到按需加载的 Skill 里。

架构推荐

Skill 推荐 ReAct + Function-Calling 混合模式：ReAct 负责探索性规划，Typed Tool 执行负责确定性流程。这个组合在复杂任务中的表现往往优于纯 ReAct 或纯 Function Calling。

适合谁用？

如果你在构建 AI Agent 系统、在优化现有 Agent 的完成率、或者在设计 Agent 的工具生态——这个 Skill 直接可以当内部规范来用。

它本身是给 Claude Code / Codex 用的 Skill，但背后的方法论适用于任何 Agent 框架。

GitHub：https://github.com/affaan-m/ECC/tree/main/skills/agent-harness-construction

GitHub: https://github.com/affaan-m/ECC/tree/main/skills/agent-harness-construction