proact0/act-operator

アクチュエータ

※ 시 시 시 시

LangGraph 1.0+プロジェクト構造をAIエージェントと制御するための製造グレードハーネス プロトタイプだけでなく、実際の製品のために設計。

問題: コンテキストギャップ

同じモデル、異なる結果 — なぜ?

生産中のLangGraphエージェントを開発中、チーム全体で同じパターンを観察し続けます。

経験豊富な開発者が、Claude Code にワークフローを実装するよう依頼します。優れたコードが返されます。 newcomer は、同じ Claude コードに同じリクエストをします。 — ジェネリック、矛盾、 subtly に間違ったコードが返されます。 同じモデル。 なぜ?

問題はモデルではありません。 それは** コンテキストギャップ**で、人間やAIのエージェントに等しく影響します。 同じ理由で同じコードベースとオンボーディングせずに新しいチームメンバー: コンベンションは暗黙的であり、アーキテクチャは誰かの頭に住んでおり、それらを導くための構造化された環境はありません。 AIエージェントは違いません。

経験豊富な開発者がこの壁に当たる:セッションが変更されると、エージェントは昨日のアーキテクチャを忘れました。 知識は、コードベースではなく、人々の頭に住んでいます。 人間が慣行が見つからない場合、エージェントはできない.

※ 한국어로 읽으시는 경우: README_KR.md

A production-grade harness for controlling LangGraph 1.0+ project structure with AI agents. Designed for real products — not just prototypes.

uvx --from act-operator act new

The Problem: Context Gap

Same model, different results — why?

While developing LangGraph agents in production, we kept observing the same pattern across our team.

An experienced developer asks Claude Code to implement a workflow — excellent code comes back. A newcomer makes the same request to the same Claude Code — generic, inconsistent, subtly wrong code comes back. Same model. Why?

The problem isn’t the model. It’s the context gap — and it affects humans and AI agents equally. A new team member without onboarding struggles with the same codebase for the same reason: conventions are implicit, architecture lives in someone’s head, and there’s no structured environment to guide them. The AI agent is no different.

Even experienced developers hit this wall: when sessions change, the agent forgets yesterday’s architecture. Knowledge lives in people’s heads, not in the codebase. If a human can’t find the conventions, the agent can’t either.

The fix isn’t better prompts or better models. It’s designing the environment in which both humans and agents operate.

What is a Harness?