Let's build a Coding Agent Harness from Scratch (Step by Step, No frameworks)

Let's build a Coding Agent Harness from Scratch (Step by Step, No frameworks)

Construisons un harnais d'agent de codage à partir de zéro (Étape par étape, sans frameworks)

par Neural Breakdown with AVB · Voir la chaîne sur PSI

Sciences appliquées & ingénierie IA — Actualité & Applications UYInformatiqueUYQIntelligence artificielle (IA)
🎙 Neural Breakdown with AVB 👥 35K 📅 8 septembre 2026 ⏱ 48 min 👁 9K 📄 tutoriel 🧭 2026-09-10
Disponible en : Français (actuel) English

Mots-clés

agent de codageharnaiscontext engineeringtool callsprefix caching

Résumé

Ce tutoriel vidéo présente la construction pas à pas d’un harnais d’agent de codage complet, sans utiliser de frameworks. L’auteur commence par un simple chat basique, puis ajoute progressivement des outils comme l’exécution de commandes bash, la lecture et l’écriture de fichiers, l’accès au navigateur et des boucles agentiques. Il aborde des concepts avancés tels que le préfixe caching pour optimiser les coûts, l’injection tardive de prompts, la gestion des plans et des TODO, les sandbox et permissions, la compaction du contexte et la création de sous-agents. La vidéo inclut des démonstrations pratiques, notamment la résolution d’un Wordle via l’interaction avec le navigateur, et se termine par une simulation de Boids utilisant DeepSeek-V4 Flash. L’ensemble du code est fourni sur un dépôt GitHub, permettant aux spectateurs de suivre le processus complet.

131 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

Valeur des informations : la vidéo offre une approche pratique et complète pour construire un harnais d’agent, couvrant à la fois les bases et les techniques avancées. L’argumentation est solide, chaque fonctionnalité étant introduite par un besoin concret et démontrée par des exemples de code réels. L’auteur justifie ses choix par des considérations de coût et d’efficacité, comme l’importance du préfixe caching. La démonstration de la résolution de Wordle montre l’efficacité du harnais construit. Les explications sont claires et progressives, facilitant la compréhension des mécanismes sous-jacents.

Rigueur scientifique, qualité des sources, adéquation du titre

Rigueur scientifique : la méthodologie incrémentale et la mise à disposition du code complet sur GitHub garantissent une transparence suffisante pour un tutoriel. Les sources citées sont principalement des outils open-source (Egoite Browser, OpenRouter) et des références à des harnais existants. Sans fondement académique, la rigueur repose sur la cohérence interne des démonstrations et la qualité pédagogique du contenu. Adéquation titre/contenu : parfaite, le titre décrivant explicitement la construction d’un harnais d’agent sans frameworks, étape par étape.

178 mots

Adéquation titre / contenu

Le titre correspond exactement au contenu : construction pas à pas d'un harnais d'agent de codage sans frameworks.

Qualité & fiabilité

8/10

Le tutoriel est détaillé, pratique, avec un code source accessible et des démonstrations concrètes. Il repose sur l'expérience de l'auteur et des outils non académiques, mais la méthodologie est rigoureuse.

Chapitres

Sources citées

Sources concordantes

  • Dépôt GitHub neural-code — Source alignée avec le contenu, fournissant l'implémentation exacte décrite.
  • OpenRouter — Outil utilisé dans le tutoriel pour interroger DeepSeek-V4 Flash, en adéquation avec la démonstration.

Apport & nouveautés

L’apport original réside dans la construction pas à pas et sans framework d’un harnais d’agent intégrant des fonctionnalités avancées telles que l’injection tardive, la gestion des TODO et sous-agents. Il fournit une ressource pédagogique précieuse pour comprendre l’ingénierie des contextes et les mécanismes internes des agents de codage.

Pour aller plus loin :

  • Dépôt GitHub neural-code — Code source complet du projet.
  • Egoite Browser — Navigateur accessible aux agents pour l’automatisation de tâches web.
  • OpenRouter — Plateforme utilisée pour les appels aux modèles LLM, permettant un accès unifié à plusieurs fournisseurs.

91 mots

Profil radar

Le profil radar montre une force élevée en quantité et en niveau technique, reflétant un contenu dense et avancé. La fiabilité est correcte, principalement due à l'absence de sources académiques, mais la qualité des explications et la démonstration pratique renforcent la confiance.

Fiabilité 8/10