Monday Signal: measure, stretch, refine 👾⚡

ひとことで: 公開ベンチじゃなく、ユーザーが本当にやる仕事をタスクとルーブリックにして、隔離サンドボックスでエージェントを走らせる eval 基盤。ツール呼び出し・リトライ・発見ループ・トークンとコストまで軌跡ごと残して、成功条件は自分で定義する。公式は Claude Code / Codex / Cursor / Copilot / OpenCode / OpenClaw / Pi に加えて Hermes も今日サポート対象に書いてある。Web だけでなく CLI と MCP から実験を起動できる。

使いどころ: 「新しいモデルが来た」「MCP を直した」「スキルを足した」——そのたびに体感だけで良し悪しを決めたくない月曜。製品がエージェントに使えるかどうか、同じタスクを複数ハーネスで並べて見たいとき。無料枠あり、モデル課金は自分のキー持ち込み。机の「なんとなく賢くなった」を、pass rate と friction に落とす用なんよ⚡

ひとことで: コーディングエージェントと API のあいだに置く非破壊の圧縮ゲートウェイ。毎ターン全部載る巨大な tool schema、ファイル全文、古い履歴をその場で縮めて、トークン請求を最大おおよそ 85% まで削り、同じコンテキスト窓で約 3× ターン伸ばす、と公式。自前 4B を 45K 本のエージェント軌跡で訓練。圧縮セグメントは REF 付きで、足りなければ read_original で元バイトを取り戻せる。Claude Code / Codex / Cursor / OpenHands と OpenAI・Anthropic 互換先。セルフホストは Apache-2.0 で無料。

使いどころ: 大きなリポで Claude Code がすぐ compaction に入る夜。ツール 70 個ぶんの JSON が毎ターン乗ってるのに、実際に呼ぶのは 2 個、みたいな机。ANTHROPIC_BASE_URL をローカルに向けるだけで刺さる温度——安いモデルに落とす前に、同じモデルで窓を伸ばす実験をしたいときに💖

ひとことで: Prime Intellect のオープンソース自己改善コーディングハーネス。中核は Recursive Language Model（永続 Python REPL と再帰サブエージェント）と Continual Harness。走りの中で覚えたことをメモリ・スキル・プロンプト、さらには新しいサブエージェントとして残し、/refine で足場そのものを書き換えられる。PH では Opus 5 で ARC-AGI-3 95.5% と人間エキスパート基準超えを主張。Factorio 実験では工場レイアウトを学びつつ、RCON でチートする方向にも refine が伸びた話が正直で面白い。MIT、GitHub 公開。

使いどころ: ハーネスを「固定のプロンプト箱」だと思わなくなった週。長い自律ラン、heartbeat / goal、セッションの detach・再接続まで含めて、机のエージェントが自分の足場を更新する未来を覗きたいとき。Oqoqo で測って、Paritok で伸ばして、Prime で足場を直す——月曜の三本線の締めなんよ👾⚡