परिपक्वता मॉडल
यह अध्याय maturity model परिभाषित करता है — वही assessment framework जो npx harness-score implement करता है, इसलिए यहाँ पढ़ा गया level वही है जिसे आप measure, reproduce, और gate पर लगा सकते हैं।
आकार परिचित capability-maturity patterns (DORA capabilities, OWASP SAMM business functions, CMMI levels) का अनुसरण करता है: dimensions अभ्यास के क्षेत्र measure करते हैं, checks निश्चित pass/fail indicators हैं, और levels coverage के रूप पर gate करते हैं — केवल raw percentage नहीं।
डिज़ाइन लक्ष्य:
- निश्चित (deterministic)। हर check filesystem fact है: file मौजूद है, parse होती है, pattern match। कोई model नहीं, judgment calls नहीं, network नहीं।
- दो scores। Maturity (repo-only) CI और badges के लिए official level है। Effective (repo ∪ optional global scopes) developer machine पर agent को likely दिखने वाला harness — Metrics & Codes देखें।
- Harness-agnostic, Cursor flagship example। किसी supported AI-first tool (Cursor, Windsurf, Claude Code, Codex/Antigravity
.agents/, OpenCode, Cline, Continue, Copilot instructions, Zed) के rules, skills, hooks, commands OR semantics से score — एक configured tool काफी। Universal harness infrastructure (tests, linters, types, CI) IDE से स्वतंत्र same control system बनाती है। - Grade नहीं, सीढ़ी। Levels harness के संरचना (कौन-से dimensions covered) पर gate — केवल raw percentage नहीं — guides के 80 points, sensors शून्य, परिपक्वता नहीं।
छह dimensions
108 points, छह dimensions में:
| Dimension | Points | क्या measure होता है |
|---|---|---|
| Context & Guides | 20 | AGENTS.md, rules quality और scoping |
| Skills & Commands | 17 | Procedural knowledge, explicit workflows, subagents |
| Hooks & Guardrails | 14 | Runtime-enforced gates और feedback |
| Sensors & Feedback | 20 | Tests, linter, types, formatter |
| CI Feedback | 14 | Pipeline checks, pre-commit |
| Hygiene & Safety | 23 | Secrets, env files, lockfile, license, MCP config |
हर dimension individual checks का योग है (remediations सहित पूरा catalog अध्याय 8 में; ID reference अध्याय 9 — Metrics & Codes में)।
पाँच levels
L0 · Unharnessed (harness रहित)
Repository एजेंट को कुछ नहीं देती: context file नहीं, rules नहीं, enforced checks नहीं। एजेंट यहाँ काम करते हैं — हमेशा करते हैं — पर हर session project शुरू से rediscover करता है और हर गलती जारी हो जाती है जब तक human न पकड़े। अधिकांश repositories यहीं से शुरू।
L1 · Documented (दस्तावेज़ीकृत)
आवश्यक: Context & Guides ≥ 40%.
ठोस AGENTS.md (या equivalent): project क्या है, build और test कैसे, conventions क्या। शून्य से सबसे अधिक leverage — एक file में हर future session के लिए feedforward।
L2 · Guided (मार्गदर्शित)
आवश्यक: Context ≥ 60% · (Skills ≥ 30% या Hooks ≥ 30%) · Hygiene ≥ 50%.
Guidance संरचित: valid frontmatter वाली scoped rules (.cursor/rules/, .windsurf/rules/, .clinerules/, या आपके tool का equivalent), और procedural knowledge की शुरुआत (skill, command/workflow, या subagent) या hook machinery। Basic hygiene — env files ignored, harness files में credential signatures नहीं। Harness code के साथ ship होता है और code की तरह review।
L3 · Sensing (sensors के साथ)
L2 आवश्यक, और: Sensors ≥ 60% · CI ≥ 50%.
Feedback loop मौजूद। Tests एजेंट चला सके, linter, type checking, CI pipeline हर push re-verify। यह वह level जहाँ स्व-सुधार शुरू: एजेंट निश्चित tools से अपना काम check कर सकता है, pipeline जो छूटे पकड़ता है। अधिकांश teams के लिए L3 वह बिंदु जहाँ AI-assisted development risky नहीं लगता।
L4 · Self-correcting (स्व-सुधार)
L3 आवश्यक, और: Hooks ≥ 70% · total score ≥ 80%.
Loop runtime पर बंद। Gate hooks destructive actions impossible बनाते हैं, discouraged नहीं; feedback hooks हर edit पर lint और format, session के अंदर। Guides, sensors, guardrails सभी छह dimensions cover। गलती अब rules, on-edit hooks, tests, type checker, CI, और gates — ज़्यादातर बिना human — पार करनी होगी।
Level कब capped (सीमित) होता है
किसी level की requirements मानती हैं कि सभी dimensions score में शामिल हैं। कोई team .harness-score.json के extends/rules से specific checks — या पूरी dimension — exclude कर सकती है (Metrics & Codes देखें), किसी policy की मांग वाले structural कारण से, preference से नहीं।
अगर वह exclusion किसी ऐसी dimension को खाली कर देता है जिस पर कोई level निर्भर करता है, तो scanner उस level को capped report करता है — यह दिखावा करने के बजाय कि यह बस एक और बंद करने लायक gap है। L4 सबसे स्पष्ट उदाहरण: यह Hooks & Guardrails dimension से defined है, इसलिए no-hooks preset वाली repository बाकी सभी dimensions स्वतंत्र रूप से चढ़ सकती है, पर L4 capped ही रहता है — "0%, कोशिश जारी रखें" नहीं, बल्कि "आपकी वर्तमान configuration में अप्राप्य, और यहाँ बताई गई है वजह"। बाकी हर dimension का score पूरी तरह अप्रभावित रहता है।
यह model का ईमानदार बने रहना है, कोई सज़ा नहीं: नीचे दिया "आवश्यक, पर्याप्त नहीं" पहले से ही मतलब रखता है कि high score कोई गारंटी नहीं — capped level वही विचार है, बस team की अपनी जानबूझकर की गई और publicly disclosed choice पर लागू।
Score पढ़ना
दो repositories 65% score कर सकते हैं, संरचना बिल्कुल अलग — इसलिए levels dimensions पर gate:
- 65%, सब guides, sensors नहीं → L1। दस्तावेज़ अच्छे, पर verify नहीं। प्राथमिकता: tests + CI, और prose नहीं।
- 65%, strong sensors, context नहीं → L0/L1। एजेंट का काम check होता है पर हर session conventions अनुमान। प्राथमिकता: एक दोपहर
AGENTS.mdऔर तीन scoped rules।
Scanner सटीक print करता है कौन-सी requirement अगला level block (To reach L3: sensors ≥ 60%; ci ≥ 50%), सुधार का रास्ता ambiguous नहीं।
Model जानबूझकर क्या measure नहीं करता
Determinism की सीमाओं पर ईमानदारी (Fowler का «behavior harness immature» caveat measurement पर भी):
- आपके tests अच्छे हैं या नहीं — केवल exist, run, gate।
- आपकी rules सच हैं या नहीं — stale rule fresh जैसा score।
- Functional correctness — static scan behavior verify नहीं कर सकता।
- Team practice — branch protection, review culture, agent workflows repository tree के बाहर।
High score का मतलब reliable agent work के लिए infrastructure मौजूद। आवश्यक, पर्याप्त नहीं — deterministic scanner ईमानदारी से claim कर सकता है, उसकी ceiling।
सीढ़ी का उपयोग
npx harness-scoreचलाएँ — level और अगले स्तर की कमियाँ।- एक level एक बार; हर level की requirements एक focused effort (L1: AGENTS.md → L2: rules + hygiene → L3: sensors + CI → L4: hooks)।
- CI में level gate (
--min-level) ताकि परिपक्वता केवल ऊपर की ओर बढ़े। - दिखाएँ — README बैज (
harness·L4) और optional share card। वही pill CI (--badge) या pinned static file से।
अध्याय 7 हर step check-by-check चलता है।