‏AutoHarness؛ اسکیل‌هایی که خودشون یاد می‌گیرن

AutoHarness یه لایهٔ اسکیل خودآموز برای Claude Code هست که Tigerless Labs ساخته و با مجوز MIT منتشر شده. استدلال صفحهٔ پروژه اینه که harness دور مدل — یعنی همون بستر ابزار و دستورالعمل — سهم بزرگی از نتیجه رو می‌سازه؛ روی CORE-Bench با همون مدل، نتیجه از ۴۲٪ به ۷۸٪ رسیده. با این حال این harness هر نسل مدل دستی بازسازی می‌شه، و AutoHarness شرط می‌بنده که دست‌کم یه تیکه‌ش، یعنی لایهٔ اسکیل، می‌تونه خودش رو نگه داره.

خط لولهٔ یادگیری چند جزء داره. CAP یه لولهٔ ساده‌ست که با هوک هر تِرن رو برمی‌داره — ورودی کاربر، خروجی عامل و ورودی/خروجی ابزار — و موقع خروج داده‌های حساس رو پاک می‌کنه. REF سر مرز هر اپیزود، پنجرهٔ N تِرن آخر رو کامل به‌علاوهٔ خلاصه‌ای فشرده از قبلش می‌گیره و تصمیم می‌گیره اسکیل جدید اضافه شه، دوتا با هم ادغام شن، یکی وصله بخوره یا حذف شه. خودش هیچ ابزار نوشتنی نداره و فقط پیشنهاد می‌ده.

نوشتن فقط کار promoter هست: پیشنهاد رو توی حافظه از نظر ایمنی، ساختار و اینکه واقعاً خودنوشته باشه لینت می‌کنه و بعد با یه rename اتمیک می‌ذاره سر جاش. MNG هم بدون هیچ دیمنی، اول هر نشست چرخهٔ عمر رو حساب می‌کنه و اسکیل‌ها رو بر اساس نرخ استفاده رتبه می‌ده. اسکیل تازه یه دورهٔ آزمایشی داره؛ اگه تو کل اون دوره اصلاً استفاده نشه بایگانی می‌شه، وگرنه وارد استخر بالغ می‌شه و فقط وقتی ظرفیت لایه پر شه کم‌استفاده‌ترین‌ها می‌رن کنار.

همه‌چی با متغیرهای محیطی AUTOHARNESS_* تنظیم می‌شه و پیش‌فرض داره: مثلاً AUTOHARNESS_REFLECT_EVERY_N که پیش‌فرضش ۱۰ تِرنه، یا سقف ۵۰ اسکیل بالغ برای لایهٔ پروژه و ۲۰ تا برای لایهٔ سراسری. برای عوض کردن سرعت یادگیری کافیه توی .claude/settings.json بذاریش:

{ "env": { "AUTOHARNESS_REFLECT_EVERY_N": "3" } }

نکتهٔ مهم برای کاربر اینه که هر اسکیل خودنوشته یه نشانگر توی دفترچهٔ خودش داره، پس اسکیل‌هایی که خودت نوشتی یا نصب کردی اصلاً برای این پلاگین دیده نمی‌شن. حذف هم در کار نیست؛ بایگانی یعنی جابه‌جا کردن پوشه به بیرون از مسیر فراخوانی، و برگردوندن پوشه همون اسکیل رو با تاریخچهٔ کاملش زنده می‌کنه.

نکات کلیدی:

• اسکیل‌ها از نشست‌های واقعی ساخته می‌شن، بدون حلقهٔ جمع‌آوری داده یا replay جدا
• اپیزود تکراری به‌جای اسکیل جدید، اسکیل موجود رو وصله می‌زنه
• معیار بقا نرخ استفادهٔ واقعیه، نه نمرهٔ بنچمارک
• اسکیل‌های خودِ کاربر هیچ‌وقت لمس نمی‌شن
• برای هر اسکیل یه دفترچهٔ فقط-افزودنی با دلیل و شواهد نگه داشته می‌شه