Description
En este curso práctico de Ingeniería de Arneses (Harness Engineering) construimos desde cero en Python la arquitectura que transforma a un modelo de lenguaje probabilístico en un agente de software fiable, seguro y verificable en producción:
Agente = Modelo (Motor Probabilístico) + Arnés (Guardianes Deterministas)
Mientras que el modelo (LLM) razona estadísticamente, el ARNÉS (Agent Harness) es el conjunto de controles y guardianes deterministas que gobiernan su bucle de ejecución, aíslan sus herramientas en un Sandbox, gestionan su memoria RAM contra la degradación de contexto (Context Rot), auditan cada entrega con sensores sintácticos (AST) y semánticos, y evolucionan automáticamente desde la telemetría.
En el Epílogo demostramos por qué esta arquitectura desmonta el mito comercial de los «agentes deshonestos o rebeldes con voluntad propia»: cuando un agente borra datos, altera un test o filtra información privada, no tiene libre albedrío malicioso, sino que es software de mala calidad sin controles deterministas sólidos.
REPOSITORIO OFICIAL EN GITHUB (Talleres, Código, PDFs y Bibliografía):
https://github.com/0utKast/curso-arneses-agentes-ia
MARCADORES DE TIEMPO (TIMESTAMPS)
00:00 Cap. 1: Escala de los LLMs, amnesia tipo Memento y Agente = Modelo + Arnés
02:53 Cap. 1: Del Test y Eval Harness al Agent Harness y analogía CPU / RAM / OS
04:49 Cap. 1 (Laboratorio 1): MicroAgentHarness, captura de errores y Sensor Computacional
08:38 Cap. 2: El síndrome del coche sin caballos y la Interfaz Agente-Computadora (ACI)
11:18 Cap. 2: Carga perezosa (Lazy MCP con 93 % ahorro RAM) y aislamiento en Sandbox
13:24 Cap. 2 (Laboratorio 2): SandboxCommandGuard, inspect_mcp_schema y SurgicalFileEditorACI
17:25 Cap. 3: Degradación de contexto (Context Rot) y el problema Lost in the Middle
19:23 Cap. 3: ScratchOutputOffloader, ContextCompactionManager y doble fase de Anthropic
22:18 Cap. 3 (Laboratorio 3): Volcado a scratch (94.8 % ahorro RAM), /compact y relevo de sesiones
26:23 Cap. 4: Matriz Cibernética 2x2 (Thoughtworks y OpenAI): Feedforward y Feedback
28:30 Cap. 4: AGENTS.md, Progressive Skill Disclosure (91.2 % ahorro RAM), Sensor AST y Subagente Juez
31:30 Cap. 4 (Laboratorio 4): Bloqueo de SQL Injection en 0.004s con AST y auditoría PII
35:21 Cap. 5: La Lección Amarga de Rich Sutton y el principio Build to Delete (Thin Harnesses)
37:41 Cap. 5: Poda con ThinHarnessRefactorer (-86 % sobrecarga), TrajectoryEvalHarness y /learn
40:03 Cap. 5 (Laboratorio 5): Auditoría de transcript.jsonl, síntesis de reglas y Pass@1 (-64.6 % tokens)
42:50 Epílogo: El arnés como guardián determinista frente al mito de la voluntad propia
44:23 Epílogo: Tabla de Autopsia (Capítulos 1 a 5): Por qué los agentes rebeldes son software mal diseñado
CONTENIDO DESCARGABLE EN EL REPOSITORIO DE GITHUB
1. 6 LIBROS GUÍA Y COMPENDIO BIBLIOGRÁFICO EN PDF:
Compendio Bibliográfico General y guías maquetadas en PDF de los Capítulos 1 al 5 + Epílogo.
2. 5 TALLERES VISUALES INTERACTIVOS EN HTML (Code Spotlight + Simuladores en Vivo):
Aplicaciones web en un único archivo HTML (0 dependencias, abrir con doble clic en cualquier navegador):
- Taller 01: Simulador de MicroAgentHarness y sensor de post-condición.
- Taller 02: Interfaz ACI, Lazy MCP (93 % ahorro RAM) y SandboxCommandGuard.
- Taller 03: Anti-Context Rot, scratch (94.8 % ahorro RAM), /compact y sesiones multi-turno.
- Taller 04: Matriz Cibernética 2x2 (AGENTS.md, SKILL.md, Sensor AST y Subagente Juez PII).
- Taller 05 + Epílogo: Poda Build to Delete (-86 % sobrecarga), evolución /learn y los 5 Guardianes Deterministas.
3. 5 SCRIPTS EN PYTHON 3 ESTÁNDAR + 5 CUADERNOS GOOGLE COLAB (.ipynb):
Código en Python 3 sin librerías externas, con Modo Dual: Simulador Determinista (--mode simulator) y conectado a Ollama (--mode ollama --model gemma4).
4. BIBLIOGRAFÍA ANOTADA COMPLETA:
Obras de OReilly Learning (Koenigstein, Osmani, Marco, Breunig, Ford, Taylor, Borges, Campbell y Stratis) e investigaciones de Princeton NLP (SWE-agent), Thoughtworks, OpenAI, Anthropic, Rich Sutton y Philipp Schmid.
CLONADO RÁPIDO:
git clone https://github.com/0utKast/curso-arneses-agentes-ia.git
#AgentHarnesses #HarnessEngineering #AgentesIA #Python #MCP #IngenieriaDeSoftware #LLM #Ollama #Gemma4 #CodingAgents
