Opleiding: Agent Harness Engineering

Betere prompts schalen niet. Leer hoe harness engineering AI-agents betrouwbaar maakt in productieomgevingen.

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 ee…