Was ist Learn Harness Engineering?
Learn Harness Engineering von WalkingLabs ist ein kostenloser Kurs über das, was er Harness Engineering nennt: die Anweisungen, Tools, Umgebung, den Zustand und das Feedback, die um einen Coding-Agenten herum gebaut werden, im Unterschied zum Prompt. Er umfasst 14 Lektionen und 8 Projekte, und in jedem Projekt erledigt ein Agent echte Arbeit an derselben Electron-Wissensdatenbank-App, wobei ein schwacher Harness mit einem starken verglichen wird.
Er stützt sich auf veröffentlichte Engineering-Beiträge von OpenAI, Anthropic, LangChain, Cursor und Thoughtworks und ergänzt Analysen, wie Claude Code, Codex, Pi und DeepSeek ihre eigenen Harnesses bauen. Spätere Lektionen behandeln Loop Engineering und Graph Engineering. Mitgeliefert werden Starter-Vorlagen (AGENTS.md, init.sh, feature_list.json, ein Fortschrittsprotokoll), ein harness-creator-Skill und ein Skript audit-harness.sh, das ein Repo gegen die fünf Subsysteme des Kurses prüft.
Das Repo steht unter MIT-Lizenz, hat etwa 22.700 GitHub-Sterne, ist als VitePress-Site gebaut und in 15 Sprachen übersetzt. Es gibt keine getaggten Releases; der letzte Commit war am 22. Oktober 2026.
Lohnt sich Learn Harness Engineering?
Learn Harness Engineering ist nützlich, weil es die Zuverlässigkeit von Agenten als technisches Problem mit Bestandteilen behandelt, nicht als Frage besserer Prompts. Sein Rahmen teilt den Harness in fünf Subsysteme (Anweisungen, Tools, Umgebung, Zustand und Feedback) und geht sie in 14 Lektionen durch, jede um eine Frage herum aufgebaut. Der praktische Kern ist klein: ein Betriebshandbuch AGENTS.md, ein init.sh, das die App installiert, prüft und startet, ein feature_list.json mit dem, was erledigt ist, und ein Fortschrittsprotokoll, das der Agent zu Beginn jeder Sitzung liest und vor der Übergabe aktualisiert.
Die Projekte unterscheiden ihn von einer Leseliste. Alle 8 laufen gegen dieselbe Electron-Wissensdatenbank-App, jeder Startpunkt ist aus der vorherigen Lösung abgeleitet, und jedes verlangt, den Unterschied zu messen, den ein stärkerer Harness macht, statt die geschriebenen Dokumente zu zählen. Die Lektionen 13 und 14, im Juli und August 2026 ergänzt, erweitern die Idee auf automatisierte Schleifen (Maker- und Checker-Agenten, geplante Läufe) und auf Graphen von Agenten, mit Vorlagen für jeden Fall. Die Analysen zu Claude Code und Codex zeigen schnell, wie kommerzielle Harnesses mit Memory, Compaction und Worktree-Isolation umgehen.
Das Material ist weitgehend eine Synthese. Die Hauptquellen sind öffentliche Beiträge von OpenAI, Anthropic, Cursor und von Martin Fowlers Website, und wer diese schon verinnerlicht hat, wird feststellen, dass die Lektionen sie in geordneterer Form wiederholen. Die Projekte setzen einen Agenten voraus, der in einem echten Repository Dateien bearbeiten und Befehle ausführen kann, sie sind also nichts für Leute, die eine KI-Einführung ohne Code suchen, und der Electron-Stack wird manchen fremd sein.
Mit etwa 22.700 Sternen und 15 Übersetzungen hat er eine große Leserschaft für ein so enges Thema, und das Audit-Skript und der harness-creator-Skill geben ihm ein Leben über die Lektionen hinaus. Ohne Releases folgst du dem Hauptbranch, und Inhalte ändern sich an Ort und Stelle. Für Ingenieurinnen und Ingenieure, die vom gelegentlichen Agenten-Einsatz zu unbeaufsichtigten Agenten übergehen, schließt er die Lücke zwischen generative-ai-for-beginners und den mühsam erarbeiteten Konventionen eines Teams.
Wo es sich lohnt
Eine Backend-Entwicklerin, deren Claude-Code-Sitzungen von Tag zu Tag den Faden verlieren
Dem Agenten nicht mehr jeden Morgen das Projekt neu erklären
Kopiere die vier Starter-Dateien aus der Ressourcenbibliothek ins Repo, damit jede Sitzung zuerst AGENTS.md und das Fortschrittsprotokoll liest. Kostenlos; ein Nachmittag, um die Vorlagen anzupassen.
Ein Engineering Manager, der Coding-Agenten in einem Team mit 12 Personen einführt
Dem Team ein gemeinsames Vokabular und eine Checkliste für agententaugliche Repos geben
Gib die ersten Lektionen als Lektüre auf und lass audit-harness.sh gegen das Repo jedes Dienstes laufen; es beendet sich nur mit 0, wenn die kritischen Punkte bestanden sind, was den Kurs zu einer wiederholbaren Prüfung macht.
Ein Entwickler, der von einzelnen Prompts zu automatisierten Agenten-Schleifen übergeht
Eine Maker-Checker-Schleife bauen, die ohne Aufsicht läuft
Arbeite Lektion 13 und Projekt 07 mit den Vorlagen für Ziel, Schleifenzustand, Maker und Checker durch und miss, wie oft du noch eingreifen musst. Einzige Kosten sind die Modellnutzung.
Bevor du dich festlegst
- Einrichtung
- Online auf walkinglabs.github.io lesen oder klonen und npm install und npm run docs:dev für eine lokale VitePress-Kopie ausführen. Die Projekte brauchen Claude Code, Codex oder einen ähnlichen Agenten mit Dateibearbeitung und Befehlsausführung.
- Integrationen
- Agentenunabhängig: Die Vorlagen zielen auf Claude Code und Codex, aber das Fortschrittsprotokoll funktioniert mit OpenHands und anderen; enthält einen harness-creator-Skill und ein audit-harness.sh ohne Abhängigkeiten.
- Daten und Datenschutz
- Nur Kursinhalte; der Kurs selbst sendet nichts irgendwohin, die Projekte schicken dagegen Code an den Agenten und das Modell, die du nutzt. MIT-Lizenz.
- Kosten im großen Maßstab
- Kostenlos. Alle 8 Projekte kosten nur die Nutzung deines Coding-Agenten, mit dem Abo oder API-Plan, den du schon hast.
- Grenzen
- Keine getaggten Releases, Lektionen ändern sich also an Ort und Stelle; 18 offene Issues; vor allem eine geordnete Synthese öffentlicher Quellen statt neuer Forschung.
Was gut ist
- 8 praktische Projekte an einer sich entwickelnden App, schwach gegen stark gemessen
- Direkt nutzbare Vorlagen: AGENTS.md, init.sh, Feature-Liste, Fortschrittsprotokoll
- audit-harness.sh prüft jedes Repo gegen die fünf Subsysteme
- In 15 Sprachen übersetzt
Was nicht
- Weitgehend eine Synthese öffentlicher Beiträge von OpenAI und Anthropic
- Projekte brauchen einen Agenten, der Dateien bearbeiten und Befehle ausführen darf
- Keine Releases; Inhalte ändern sich im Hauptbranch
- Die Electron-Abschluss-App ist ein Umweg für Teams ohne JavaScript
Am besten für
Ingenieure, die schon Claude Code oder Codex nutzen und unbeaufsichtigte Agenten-Sitzungen strukturiert zuverlässiger machen wollen.
Alternativen zu Learn Harness Engineering
Learn Harness Engineering: häufige Fragen
- Lohnt sich Learn Harness Engineering?
- Ein echter Lehrplan für den unscheinbaren Teil des Programmierens mit Agenten, das Gerüst um das Modell, und stärker in der Struktur als in der Originalität. Wir bewerten es mit 4.1 von 5.
- Was kostet Learn Harness Engineering?
- Kostenlos (MIT); für die Projekte brauchst du einen eigenen Coding-Agenten wie Claude Code oder Codex.
- Welche Nachteile hat Learn Harness Engineering?
- Weitgehend eine Synthese öffentlicher Beiträge von OpenAI und Anthropic; Projekte brauchen einen Agenten, der Dateien bearbeiten und Befehle ausführen darf; Keine Releases; Inhalte ändern sich im Hauptbranch; Die Electron-Abschluss-App ist ein Umweg für Teams ohne JavaScript.
- Für wen eignet sich Learn Harness Engineering?
- Ingenieure, die schon Claude Code oder Codex nutzen und unbeaufsichtigte Agenten-Sitzungen strukturiert zuverlässiger machen wollen.
- Was kostet Learn Harness Engineering für ein Team oder im Produktivbetrieb?
- Kostenlos. Alle 8 Projekte kosten nur die Nutzung deines Coding-Agenten, mit dem Abo oder API-Plan, den du schon hast.
- Ist Learn Harness Engineering sicher für Firmendaten?
- Nur Kursinhalte; der Kurs selbst sendet nichts irgendwohin, die Projekte schicken dagegen Code an den Agenten und das Modell, die du nutzt. MIT-Lizenz.
- Was sind die besten Alternativen zu Learn Harness Engineering?
- Die nächsten Alternativen, die wir getestet haben, sind Generative AI for Beginners, LLM Course und Superpowers.
Antworten geprüft am 31. Okt. 2026.