001tmf/harness-forge

クローン・クロード・コードは、独自のメタ・ハーネスに — 固定モデルの周りの足場を自然に進化させます。

・555

ハーネスフォージは、エンドツーエンドを実行しているクロードコードスキルです ハーネス最適化ループ — 提案 → スコア → Pareto-best → 繰り返す → 改善 コード around 固定モデル: そのメモリ、検索、コンテキスト構造、要約、プロンプト テンプレート、およびツール選択ロジック。 モデルは決して変化しません。足場が良くなります。

メソッドの native reimplementation です。 ※メタハーネス:モデルハーネスのエンドツーエンド最適化* (Lee, Nair, Zhang, Lee, Khattab & Finn, 2026). オリジナル 参照リポジトリの船 ~1,260 行の Python ([claude_wrapper.py]) + [meta_harness.py]) ジョブがヘッドレス・クローデを駆動する: セッションは、出力を解析し、ツール呼び出しを追跡し、すべてをログ化し、ループをループします。 クラウデコード内, その Runtime は、一流のツールとして既に存在しています。 だからハーネスフォージは、不可解なドメインだけを維持します ロジック — 安いスコアラー — 外部ループ全体をネイティブオーケストレーションとして表現します。 全体を見る ~1,60 ではなく ~75 行になります。

お問い合わせ

1つの画像のアイデア

提案者は変異演算子です.

Harness Forge is a Claude Code skill that runs an end-to-end harness-optimization loop — propose → score → keep the Pareto-best → repeat — to improve the code around a fixed model: its memory, retrieval, context construction, summarization, prompt templates, and tool-selection logic. The model never changes; the scaffolding gets better.

It is a native reimplementation of the method in Meta-Harness: End-to-End Optimization of Model Harnesses (Lee, Nair, Zhang, Lee, Khattab & Finn, 2026). The original reference repo ships ~1,260 lines of Python (claude_wrapper.py + meta_harness.py) whose job is to drive a headless Claude: spawn a session, parse its output, track tool calls, log everything, loop. Inside Claude Code, that runtime already exists as first-class tools. So Harness Forge keeps only the irreducible domain logic — a cheap scorer — and expresses the entire outer loop as native orchestration. The whole search becomes ~75 lines instead of ~1,260.

---

The idea in one picture

seed the frontier with the incumbent harness (the thing to beat)
repeat:
    PROPOSE   k candidate harness variants     ← parallel proposer agents write code
    VALIDATE  each imports / type-checks
    SCORE     each on a held-out-protected eval ← a $0, deterministic scorer
    FRONTIER  Pareto-merge: quality up, cost down, floor-respecting
final: score the frontier once on the untouched test split

The proposer is the mutation operator. The frontier is the search memory. The model is frozen throughout — which is exactly why this fits a fixed / off-the-shelf-API deployment, where you can’t change the weights and the gain has to come from the harness.

The paper’s headline result was +7.7 accuracy points at ~4× fewer context tokens on text classification — a pure harness-side win. Harness Forge reproduces that shape of result natively.

---

Why native?

claude_wrapper.py is a hand-rolled agent runtime. Claude Code is an agent runtime. So every orchestration piece has a native equivalent, and the Python driver becomes redundant: