Инструмент, который заставляет ИИ-агента самостоятельно проектировать, отлаживать и сравнивать варианты своего рабочего процесса для задач классификации.
HoH связывает описание задачи и статистику обучающей выборки с внешним кодирующим агентом: тот планирует несколько вариантов внутреннего исполнителя (Inner Harness), пишет для каждого отдельную реализацию, проверяет её автоматической приёмкой, фиксирует рабочую версию и сравнивает варианты по единому бенчмарку (точность, F1, число обращений к модели). Подходит для экспериментов с прототипами мультимодальных классификационных агентов и исследования автоматической сборки агентов под задачу.
