proact0/act-operator

법률 운영자

README KR.md의 경우

**A AI 에이전트와 LangGraph 1.0 + 프로젝트 구조를 제어하기위한 생산 등급 하네스. ** 실제 제품에 대한 설계 - 단지 프로토 타입이 아닙니다.

문제: Context 갭

동일한 모델, 다른 결과 - 왜?

생산에 있는 LangGraph 대리인을 개발하는 동안, 우리는 우리의 팀의 맞은편에 동일한 본을 관찰합니다.

숙련 된 개발자는 Claude Code를 요청하여 워크플로우를 구현합니다. - 우수한 코드가 다시 제공됩니다. newcomer는 동일한 Claude Code — generic, inconsistent, subtly 잘못된 코드가 다시 제공됩니다. 동일한 모형. 왜?

문제는 모델이 아닙니다. **컨텍스트 갭 ** - 그리고 그것은 인간과 AI 에이전트에 동일하게 영향을줍니다. 같은 이유로 동일한 코덱과 투쟁하지 않고 새로운 팀 구성원 : 협약은 임의이며, 건축은 누군가의 머리에 살고 있으며, 그들을 인도하기 위해 구조화 된 환경이 없습니다. AI 에이전트는 다릅니다.

경험이 풍부한 개발자는이 벽을 명중합니다. 세션이 변경되면 에이전트는 어제의 아키텍처를 잊습니다. 지식은 사람들의 머리에 살고, codebase에. 인간이 컨벤션을 찾을 수없는 경우, 에이전트는 할 수 없습니다.

※ 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?