Harness 工程

Harness 工程是搭建 agent-ready 环境的工程学科——系统性地配置、组织和优化项目，使 AI agent 能够在其中高效运作。

#定义

Harness 工程涵盖：

• AI Native 构建：将 agent 协作作为一等关注点来构建项目，而非事后补充
• 最小化 HITL：设计工作流，仅在真正必要时才需要人类介入
• 架构清晰性：维护清晰的系统全景视图和明确的边界定义
• 原子化变更记录：每次变更都是小型、自包含且可追溯的
• SPEC 驱动工程：重要决策在实现前先以规格文档形式记录
• 故障记录与自我进化：系统性地捕获故障，使 agent 能够学习和改进
• 标准化工具调用：通过标准协议（MCP、skills）访问外部能力
• 持续迭代：逐步逼近 agent 能够执行长流程任务并自我迭代的状态

#与其他学科的关系

Harness 工程建立在以下学科之上并与之互补：

• 上下文工程（Context Engineering）：关注 agent 在每个推理步骤中看到什么信息。Harness 工程提供使有效上下文工程成为可能的结构基础。
• 提示词工程（Prompt Engineering）：关注如何与模型沟通。Harness 工程确保提示词周围的环境组织良好。
• MCP（模型上下文协议）：工具调用的标准化接口。Harness 工程定义何时以及如何配置 MCP 服务器。

#Agent-Ready 状态

当 agent 能够做到以下几点时，项目即达到 agent-ready 状态：

1. 进入仓库后，通过 CLAUDE.md 或等效文件理解项目的目的、结构和约定
2. 无需持续的人类指导即可执行任务
3. 遵循已建立的提交、测试和文档模式
4. 通过标准化接口访问外部工具和数据
5. 记录故障并为项目的进化做出贡献