Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.
Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.
Pasos de configuración
Prepara una prueba acotada
Selecciona una tarea pequeña y anota salida esperada, herramientas permitidas y condiciones de fallo.
Configura Better Harness
Sigue Better Harness, incluidos sus requisitos, configuración y comprobación actuales. Recarga el plugin, activa el análisis y comprueba que la hipótesis apunta a evidencia del proyecto o sesiones disponibles.
Configura CheckAgent
Sigue CheckAgent, incluidos sus requisitos, configuración y comprobación actuales. Completa la demostración y el proyecto de pruebas; conecta después el agente objetivo y demuestra un caso que detecte una conducta incorrecta.
Datos que pasan entre piezas
Los archivos siguientes son entregables de este caso preparados por el agente; no implican exportadores ni sincronización automática.
Pasa de Better Harness criterios.md con referencias de sesiones a un caso identificado de CheckAgent; guarda en evidencias.md el caso, fallo conocido detectado y resultado tras corregir, junto a las pruebas de la aplicación. Si no puedes conectar el agente de prueba o falta un criterio observable, detén la corrección y no presentes la demo como prueba del agente real.
Monta el flujo
Paso 1
Instala Better Harness en Claude Code y pídele revisar qué evidencia permite cerrar esa tarea. Conserva sus hipótesis como hipótesis.
Paso 2
Ejecuta la demo de CheckAgent y genera el proyecto de pruebas. Adapta un caso a una conducta observable de tu agente, como no llamar una herramienta fuera del alcance; sigue su documentación para conectar el agente real.
Paso 3
Ejecuta también las pruebas existentes de la aplicación. Pide al agente corregir el fallo observado, repetir la comprobación que falló y presentar resultado, evidencia y dudas. Define de antemano el máximo de rondas.
Comprobación
Introduce deliberadamente una conducta incorrecta en un agente de prueba y confirma que el caso la detecta. Comprueba por separado que la aplicación cumple el objetivo.
Si algo falla
Si el evaluador acepta un fallo conocido, corrige el criterio antes de confiar en él. Si faltan sesiones, Better Harness debe declarar esa ausencia.
La configuración se consulta en las guías del hub enlazadas. Esta composición es una propuesta de WISD; no se ha ejecutado como prueba integral.
Lee y sigue las instrucciones publicadas de las piezas: Better Harness: /hub/better-harness/instrucciones.md; CheckAgent: /hub/checkagent-testing/instrucciones.md. Completa los requisitos, configuración y comprobación de cada pieza antes de usarla; comprueba su uso desde el cliente o arnés elegido, no solo su presencia en disco. Si falta un campo entre <>, una fuente obligatoria, acceso o una operación documentada, detén la etapa dependiente, informa qué falta y pídemelo; usa una alternativa manual solo cuando esté descrita y comprobada. No inventes datos ni des por superada una comprobación pendiente.
Para <tarea y agente de prueba>, define <criterios observables> y un máximo de <rondas>. Usa Better Harness para revisar evidencia del proyecto y sesiones; separa hipótesis de hechos. Con CheckAgent prepara un caso sobre la conducta objetivo y demuestra que detecta un fallo conocido. Ejecuta también <pruebas de la aplicación>, corrige fallos y repite las comprobaciones afectadas. Entrega evidencias y límites en <archivo>, sin declarar éxito si falta una comprobación.
Pasa de Better Harness criterios.md con referencias de sesiones a un caso identificado de CheckAgent; guarda en evidencias.md el caso, fallo conocido detectado y resultado tras corregir, junto a las pruebas de la aplicación. Si no puedes conectar el agente de prueba o falta un criterio observable, detén la corrección y no presentes la demo como prueba del agente real.
Qué es
Un método de revisión para tareas de programación con agentes. Combina una evaluación del proceso con pruebas de comportamiento del agente; el resultado es un criterio de cierre propio, sin atribuirlo a un arnés de terceros.
Para qué te sirve
Cuando un agente declara una tarea terminada sin mostrar cómo la comprobó.
Cuando necesitas detectar llamadas a herramientas inadecuadas antes de usar el agente en un flujo real.
Cuando una corrección pasa las pruebas de la aplicación pero el agente sigue usando herramientas fuera de alcance.
Cómo funciona
Better Harness ayuda a identificar carencias con evidencia del proyecto y las sesiones. CheckAgent aporta pruebas sobre el comportamiento de agentes. Tú traduces el objetivo de la tarea en condiciones observables y el agente presenta las salidas de las comprobaciones junto al cambio.
Antes de empezar
Para la ruta descrita necesitas Claude Code con plugins y Python ≥3.10 con pip en un entorno de pruebas. La demostración de CheckAgent no requiere claves; probar tu propio agente puede necesitar acceso a sus proveedores. Usa un proyecto de ensayo antes de dar acceso a herramientas reales.
Límites y alternativas
Las pruebas del comportamiento del agente no sustituyen los tests funcionales de la aplicación. Un evaluador puede equivocarse y una suite incompleta aceptar un mal cambio. Limita las rondas de corrección y presenta los bloqueos si no hay evidencia suficiente para cerrar.
