Skip to content

About

Démonstrateur pédagogique qui montre, brique par brique, ce qu'un harnais agentique ajoute à un LLM nu (raisonnement, mémoire, outils, RAG, MCP, skills, hooks, sous-agents). Local, sur CPU ; interface en français, anglais et allemand.

Topics

Resources

Contributing

Stars

4 stars

Watchers

0 watching

Forks

Latest commit

 

History

719 Commits

Folders and files

Repository files navigation

HarnessLab

HarnessLab rend visible, brique par brique, ce qu'un harnais agentique ajoute à un LLM nu : raisonnement, mémoire, prompt système, outils, RAG, MCP, skills, hooks, sous-agent, compression du contexte et cache. Démonstrateur pédagogique local, qui tourne sur CPU, sans GPU ; interface en français, en anglais et en allemand.

Démonstration de HarnessLab : le LLM nu ne connaît pas l'heure ; avec la brique Outils, le modèle appelle get_datetime et chaque étape s'affiche ; puis la jauge du cache, la carte du harnais, les ateliers LLM, recherche documentaire et MCP, et la page Sécurité

Même question, sans puis avec outils : le LLM nu avoue ne pas connaître l'heure ; avec les outils, il appelle get_datetime et chaque étape s'affiche. Puis la jauge du cache et la carte du harnais, l'Atelier LLM, l'Atelier recherche documentaire, l'Atelier MCP et la page Sécurité. Version vidéo (MP4). Le GIF date de la charte précédente ; captures à la charte v2.1, en clair et en sombre.

Comment ça marche

Un LLM seul ne fait que prolonger un texte. Le harnais est le programme qui l'entoure : à chaque message, il assemble le contexte (prompt système, mémoire, descriptions d'outils, extraits de documents…), appelle le modèle, exécute les outils que celui-ci demande et lui en réinjecte les résultats, jusqu'à la réponse. HarnessLab montre cette boucle pendant qu'elle tourne :

  • Des briques à allumer une à une, au fil d'un programme guidé de neuf modules (7 h 45), du LLM nu à l'évaluation de l'agent : chaque scénario allume ses briques, donne sa consigne et propose ses prompts.
  • Quatre volets synchronisés : ce que voit l'utilisateur, ce que lit vraiment le modèle (en tokens), ce que fait le harnais pas à pas, et où tourne chaque pièce (sur le poste ou non). Une carte du harnais range les briques dans les sept sous-systèmes d'un harnais ; la barre du bas montre le cache du dernier appel (lu, écrit, non mis en cache) et le bouton « Dépense », en haut, le coût de la séance.
  • Trois ateliers pour regarder à l'intérieur : l'Atelier LLM (texte, tokens, vecteurs, probabilités, token tiré), l'Atelier recherche documentaire (cinq onglets : Construire, Comparer, Évaluer, Attaquer, Fiches ; du RAG classique aux architectures sans index, à PageIndex, RAPTOR, GraphRAG ou au LLM wiki, avec coûts, document piégé, droits d'effacement et fiches de conformité) et l'Atelier MCP (les messages JSON-RPC du protocole).
  • Un petit modèle local (Qwen3.5-2B, 1,3 Go), sans droits administrateur, ou un modèle cloud.

Installation sous Windows

Pour Windows 10 ou 11 x64, sans droits administrateur ; prévoyez 3 Go de disque (5,9 Go avec tous les modèles du RAG) et 4 Go de RAM libre. Sous macOS ou Linux, ou si une étape bloque (proxy, politique du poste), suivez l'installation détaillée.

Une seule commande, dans PowerShell (pas CMD) : touche Windows, tapez PowerShell, Entrée, puis collez la commande (Ouvrir PowerShell). Elle installe uv si besoin, récupère HarnessLab dans Documents\HarnessLab, dépose le modèle Qwen (1,3 Go), puis lance l'appli ; relancée plus tard, elle rouvre HarnessLab sans rien retélécharger. Sur un réseau d'entreprise, tapez d'abord $env:UV_SYSTEM_CERTS = "1" dans ce même terminal et faites autoriser les domaines de Derrière un proxy d'entreprise :

irm https://raw.githubusercontent.com/Aliquanto3/harness-lab/main/install.ps1 | iex

Depuis un clone ou un zip décompressé, double-cliquez plutôt sur install.bat : il installe sur place.

Au premier lancement, la page Modèles (adresse /diagnostic) s'ouvre sans scanner tout le poste : seuls le dossier des modèles, les chemins explicites et Ollama sont lus. Si plusieurs modèles sont trouvés, cliquez sur « Choisir ce modèle » en face de Qwen3.5-2B, puis sur le lien « Harnais ». Pour y ajouter des modèles déjà téléchargés ailleurs (cache Hugging Face, LM Studio), choisissez « Ajouter d'autres modèles… », en bas du menu des modèles de l'Atelier Harnais.

Si vous préférez les étapes à la main, ou si l'installeur échoue : dans PowerShell (pas CMD), installez uv, récupérez HarnessLab, puis déposez le modèle Qwen (1,28 Go), hors du dossier cloné :

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
git clone https://github.com/Aliquanto3/harness-lab.git
cd harness-lab
New-Item -ItemType Directory -Force "$env:LOCALAPPDATA\HarnessLab\models" | Out-Null
$ProgressPreference = "SilentlyContinue"
Invoke-WebRequest -UseBasicParsing "https://huggingface.co/unsloth/Qwen3.5-2B-GGUF/resolve/main/Qwen3.5-2B-Q4_K_M.gguf" -OutFile "$env:LOCALAPPDATA\HarnessLab\models\Qwen3.5-2B-Q4_K_M.gguf"
uv run harness-lab

En cas d'échec du téléchargement, prenez le fichier avec le navigateur. Détails, extras et macOS/Linux : installation détaillée.

Modèles du RAG. Les modèles d'embedding et de reranking (121 à 639 Mo) se téléchargent depuis l'interface : carte RAG de l'Atelier Harnais pour la brique RAG, bouton « Télécharger » de l'Atelier recherche documentaire pour ses composants. Détails et copie à la main.

Pour commencer, choisissez le scénario « LLM nu » en bas à gauche et suivez sa consigne ; le programme de formation enchaîne les modules. Ctrl+C arrête HarnessLab. Mise à jour : git pull (ou un nouveau zip), uv sync avec vos extras.

Utiliser un modèle cloud (clé API)

Facultatif : le modèle local suffit pour toute la formation. Préréglages : Groq, Mistral, Gemini, Gemma, Claude (cache de prompt à activer, désactivé par défaut) et GPT-6 Luna. Collez la clé du fournisseur sur la page Modèles, dans la ligne du modèle (« Enregistrer la clé », prise en compte sans relancer), puis « Tester », « Choisir ce modèle… » et « Utiliser ce modèle ». La clé reste sur ce poste, n'est jamais affichée ni tracée et ne part que vers l'hôte du fournisseur. Plans gratuits, proxy et conditions : Modèles cloud.

Aller plus loin

Document Contenu
Installation détaillée Installeur, pas à pas manuel Windows/macOS/Linux, premier lancement, proxy, mise à jour, extras
Guide d'utilisation L'interface, le programme de formation, les ateliers, le RAG, la compression, le cache, FinOps et GreenOps
Modèles Changer de modèle, fenêtre de contexte, Ollama et llama-server, modèles cloud
Sécurité Page Sécurité, autorisations MCP, connexion GitHub, garde-fous, FinOps visible
Contribuer Environnement de développement, conventions, tests, ajout de scénarios

Licence

HarnessLab est distribué sous licence Apache 2.0 : vous pouvez le réutiliser, le modifier et l'intégrer à vos propres formations, à condition de conserver le fichier NOTICE et de citer « HarnessLab, par Anaël Yahi » avec un lien vers ce dépôt.

About

Démonstrateur pédagogique qui montre, brique par brique, ce qu'un harnais agentique ajoute à un LLM nu (raisonnement, mémoire, outils, RAG, MCP, skills, hooks, sous-agents). Local, sur CPU ; interface en français, anglais et allemand.

Topics

Resources

Contributing

Stars

4 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages