【长期贴】开个帖子，分享一下我自己是如何做harness【已更新完主要内容，等待佬们交作业】

据网上传，目前Anthropic的所有产品均为harness模式，不过最近他们推了一个harness产品，原本把我吓了一跳，但实质一看，并不是干货，多少有点恶心人了，好东西都藏起来。我昨晚也成功验证了自己的第二个harness，工程量比是一开始做demo的100倍，平均跑完要30-50M token，10个小时左右(glm-5)，并且效果还挺好。不过还是有很多优化点的，这也正是本贴的由来，在接下来这段时间，我将对第二个harness工程进行总结以及优化，形成harness固定体系。可能会涉及harness的以下层面，如共识记忆、规划层、执行层、评估层、调度器、外部资源、状态等等，我均会在此贴中不断累计。

【0.1.1】理论篇

理论先行：请各位佬们先阅读以下harness理论文章，我觉得很好，我也是阅读这几篇，没有藏其它的。
Anthropic harness 工程实践：harness设计长时间运行的应用程序开发（2026.03.24）:

OpenAI harness工程实践：工程技术：在智能体优先的世界中利用 Codex（2026.02.11）:
https://openai.com/zh-Hans-CN/index/harness-engineering/

构建长时间高效运行的智能体（2025.11.26）:

【0.1.2】理论篇

我的harness将全是基于claude code的，因为claude code是个很好的执行层，而我正好懒得写。像openAI是基于openAI SDK写的（最后还是改成了codex开始自举，这也是我参考因素之一），Anthropic是基于anthropic SDK写的，而我觉得claude code本身具备那些SDK所有的功能，我也不追求原生态。在这里也是想告诉各位佬，此时，卿面临第一道选择题，
1.claude code类的编程智能体，以插件或skill的形式编写harness工程【本人选择】
2.以openAI/anthropic等等SDK、langgraph、springAI、agentScope等纯原生形式编写harness【大厂选择】
选1的，需要熟读以下文档，选2的需要佬们各自找对应文档，该贴后续两条路线均可实施

【0.2.1】记忆篇（后面配合案例细讲）

我是软件行业出身，做工程先做表关系，开始第一个实践，共识记忆，以下是我个人设计的一个web应用harness的共识记忆目录，大家需要先做好这层构想，后续就需要开始走流程设计了：
.web-builder/
├── feature_list.json # 功能注册表 — 唯一可信来源
├── spec.md # 产品规格
├── design_tokens.json # 视觉标识（调色板、字体、反模式）
├── sprint_plan.json # 冲刺分解
├── progress.md # 持续构建日志
└── sprint_N_*.md # 各冲刺的合约、交接、QA 报告

【0.2.2】架构篇（后面配合案例细讲）

了解harness的佬们肯定都知道有三层架构，规划（planner）、生成（generator）、评估（Evaluator）,在这之外还有一层协同调度（Orchestration），协同调度是启动harness的开关。在claude code中，可以使用command作为协同调度，以明确的命令启动harness，有助于使用者清醒此时为harness运行时，而其它三层架构使用subagent的由command引用，注意这里绝对不能使用background模式，claude code的bg有毒，会有跳步风险。另外这三层架构分类需要做哪一个领域的就是佬们自己想要的了，以下给的示例，是web应用领域的。

image1942×954 140 KB

【0.3.1】长时间运行机制篇（后面配合案例细讲）

佬们有了理论，数据库，架构都搭建好了吧，好的，我们可以开始了，没想到吧佬们，是不是前面就已经够头痛的了，居然现在才是开始。这一步，是架构设计后的增补，却也是至关重要的一步，希望佬们不要卡住。我们需要充分利用claude code的agent、skill、hook机制，使流程保持在一个正向迭代循环中运行。比如：
planner：

• 1.收集需求
• 2.扩展验证
• 3.评估合理性
• 4.不合理
• 5.撤销
• 2.回到扩展验证
• 4.合理
• 6.开始分配sprint
• 7.sprint分配不合理
• 6.回到开始分配sprint
• 7.合理
• 8.planner完成

这里也是harness的关键，相信佬们看到过关于harness的文章，harness工程就是引导AI代替自己完成，而自己只需要优化harness即可，优化，指的就是这里。

【0.3.2】流程调度（这块太复杂，我不一定讲得好，佬们仅做参考）

以上我们就是完成了三层架构的内容了，不过我们还需要把三层架构给串起来，才是一个完整的harness工程，也就是网上一直传的很火的Orchestration，但是我这认为这里不能直译，仅作为harness的一个抽象概念。往细了讲我也有点不知所谓，大家就先保留一个这个概念吧。直接讲实现。
前面提到，我是使用claude code command + subagent完成调度的，这里为了照顾不使用claude code佬们，我提下两个点。

• command可以直接启动subagent，不断开与subagent的连接并保持subagent的独立上下文
• subagent任务进行中，command进程阻塞，subagent任务完成时，command恢复运行
  我如何去保持自动迭代并完成任务的呢，这里就不丢原码了，我直接说流程：

1.启动command
2.由command带动环境初始化，如初始化目录，claude.md、setting.json、.git等基础文件
3.启动planner解构并放大（业务需要）用户需求，并分解为多个sprint(我原文写了6-8个)，形成上述记忆文件
4.进入rahlp loop，启动generator，读取各类记忆文件并生成代码、playwright代码等
5.generator完成后启动evaluator，执行playwright，总结bug list，并评分，评分达到阈值则继续下一个loop，如未达到则启动generator修复，再往复
6.one more time直至结束。

command

你正在启动 web-builder 工作框架，构建目标：$ARGUMENTS

本工作框架按顺序运行三个智能体：
1. **策划者**（Planner）—— 将描述扩展为完整产品规格
2. **生成者**（Generator）—— 按冲刺逐步实现功能
3. **评估者**（Evaluator）—— 通过 Playwright 对每个冲刺进行 QA 审查

## 你的首要任务

将以下提示委派给 `web-builder-planner` 子智能体：


"
构建此应用：$ARGUMENTS

在开始前先读取 web-builder 技能中的完整指令。
创建所有必要的 .web-builder/ 文件，完成后输出「策划者完成」。
"

策划者完成后，读取 `.web-builder/sprint_plan.json` 查看冲刺总数，
然后将冲刺 1 委派给 `web-builder-generator` 开始实现。

工作框架仅在 `.web-builder/feature_list.json` 中所有功能的
`"passes"` 字段均为 `true` 时才视为完成。

省略中间git / pr等步骤，其实我觉得也可以不做这一步，本来就是AI一个人写代码，搞这些还浪费token。不过Anthropic和OpenAI都强调工作区干净概念，才会对有的git \ pr这些，各位佬也可自行决策，此处非harness核心概念

然后这里也是harness优化的关键

【0.3.3】状态设计

{这里是占位符，太复杂了，一时不知道该怎么写，先跳过}

【0.4.1】能力设计

这一块就是写提示词，相信佬们已经很熟悉了，结合上面的理论，这里给个参考，没啥好讲的。
注意：请不要直接使用，中文提示词用在模型上很费token，我这是为了方便理解翻译过来的。

planner Agent

你是 web-builder 工作框架中的**策划者**智能体。

你的唯一职责：在任何代码编写之前，读取 `web-builder` 技能，
然后创建完整的 `.web-builder/` 项目基础文件。

## 必须生成的文件

## 完成标准

generator Agent

你是 web-builder 工作框架中的**生成者**智能体。

你的职责：实现当前冲刺的功能，然后交接给评估者进行 QA。

## 每次会话必须按顺序执行的定向步骤

## 冲刺工作流

## 实现规则

## 交接信号

evaluator Agent

你是 web-builder 工作框架中的**评估者**智能体。

你的职责：严格测试生成者的工作成果并诚实评分。
你**发现问题**，而不是赞美工作。

## 评估者心态（至关重要）

## 合约审查（每个冲刺前）

批准（添加时间戳）或写 xx 要求修改。最多 x 轮修改。

## QA 流程（每次交接后）

## 评分维度

**通过阈值：75/100**

## 输出格式

【0.4.2】skill引入

skill是Anthropic公司设计的，大家都很了解了，简单提下，其主旨为为上下文减负，运行时只加载每个skill的前250个字符，所以大家在写description时，最好一句话描述该skill的能力即可，更多的放在script里面，然后在agent引用

by the way，不要安装太多无意义的skill在本地，无形中已吃掉了你大多数的token，比如agency-agent、superpower、everything-claude-code等大型框架

【0.4.3】mcp引入

mcp是Anthropic公司设计的，大家都很了解了，简单提下，基主旨为AI链接真实世界，但这里面是harness，我个人的理解应该是用harness的产物才链接真实世界。不过呢，现实大于理想，在harness设计中，为了补齐AI短板，我们还是需要通过MCP增强能力，推荐以下几点：

• figma MCP，增加页面设计能力
• playwright MCP 增加端到端验证能力，也就是保证产出无Bug(本人目前写的静态playwright代码测试的，mcp不成功，我也懒得去追查)

【1.0.0】工程实操

主体内容已经讲完，这里给几个主题，等待佬来交作业

• AI知识库，该知识库不允许利用RAG,同时提供chat能力、web搜索能力，对已上传文档进行二次创作，比如PPT、word、excel、图片、视频 等
• AI音频，该harness同样需要chat能力、web搜索能力，能够产出乐谱、音频文件
• AI空间，该harness为空间类型，同样需要chat能力，能够生成空间文件
• AI排版，该harness内容较为简单，但量大，排版要求高，与知识库差距胜在排版
• 这只是举例，怕佬们像无头苍蝇，大家也可自由发挥