@fullstackpython: 最近我很喜欢学习的一些关于约束工程的资源:* https://walkinglabs.github.io/lear…
摘要
一份精心整理的关于人工智能编码代理的约束工程资源合集,包括一个课程、一个Python工具(tau-ai)、以及来自Anthropic和LangChain的博客文章。
查看缓存全文
缓存时间: 2026/07/03 08:32
最近我特别喜欢的学习束带工程(Harness Engineering)的资源有:
- https://walkinglabs.github.io/learn-harness-engineering/en/… —— 很棒的课程,讲述了如何以高效的方式约束智能体行为、使用大语言模型(尤其是维护上下文)时会遇到哪些挑战,以及如何让束带更智能,最终正确地完成任务。
- https://twotimespi.dev —— 用 Python 构建一个简化版智能体(Tau)。从执行
uv tool install tau-ai开始。 - https://humanlayer.dev/blog/skill-issue-harness-engineering-for-coding-agents… —— 过去 12 个多月在构建编程智能体束带过程中从失败和成功中总结的经验教训。
- https://langchain.com/blog/the-anatomy-of-an-agent-harness… —— 从更高层面概述了束带中需要正确协同的众多组件,才能使智能体正常工作。
欢迎学习束带工程
来源:https://walkinglabs.github.io/learn-harness-engineering/en/
《学习束带工程》是一门专门教授人工智能编程智能体工程的课程。我们深入研究和综合了行业内最先进的束带工程理论与实践。主要参考资料包括:
- OpenAI:束带工程:在智能体优先的世界中利用 Codex(https://openai.com/index/harness-engineering/)
- Anthropic:长效运行智能体的高效束带(https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents)
- Anthropic:长效应用开发的束带设计(https://www.anthropic.com/engineering/harness-design-long-running-apps)
- Awesome Harness Engineering(https://github.com/walkinglabs/awesome-harness-engineering)
本课程通过系统化的环境设计、状态管理、验证和控制机制,教你如何让 Codex、Claude Code 这类编程智能体工具变得真正可靠。通过为你的 AI 编程助手设定明确的规则和边界,它能帮助你实现特性、修复 Bug 并自动化开发任务。
开始学习(https://walkinglabs.github.io/learn-harness-engineering/en/#get-started)
选择适合你的学习路径开始。课程分为理论讲座、动手项目和可直接复用的资源库。
束带的核心机制(https://walkinglabs.github.io/learn-harness-engineering/en/#the-core-mechanism-of-a-harness)
束带并不会让模型变得更聪明,而是为模型建立一个闭环工作系统。通过下面这个简单的示意图,你可以理解它的核心工作流程:
你将学到什么(https://walkinglabs.github.io/learn-harness-engineering/en/#what-you-will-learn)
以下是你将掌握的一些关键概念:
- 用显式规则和边界约束智能体行为。
- 在长时间、多会话的任务中维护上下文。
- 防止智能体过早宣布任务完成。
- 通过全流水线测试和自我反思来验证工作。
- 使运行时可观测、可调试。
下一步(https://walkinglabs.github.io/learn-harness-engineering/en/#next-steps)
掌握了核心概念后,下面这些指南能帮助你深入探索:
- 第 01 讲:为什么能力强大的智能体仍然会失败(https://walkinglabs.github.io/learn-harness-engineering/en/lectures/lecture-01-why-capable-agents-still-fail/):从束带工程背后的理论开始。
- 项目 01:基线束带 vs 最小束带(https://walkinglabs.github.io/learn-harness-engineering/en/projects/project-01-baseline-vs-minimal-harness/):动手完成你的第一个实际任务。
- 模板(https://walkinglabs.github.io/learn-harness-engineering/en/resources/templates/):获取最小束带包(AGENTS.md、feature_list.json、claude-progress.md),用于你自己的项目。
相似文章
@_vmlops:这是互联网上学习 harness engineering 的最佳网站 https://walkinglabs.github.io/learn-harness-engineer…
一门全面的课程,教授面向 AI 编程 agent 的 harness engineering,涵盖环境设计、状态管理和验证,使 Codex 和 Claude Code 等 agentic 编程工具更加可靠。
@astaxie: 今天群里面讨论怎么样学习 Harness,Harness 工程我学习这两个: 1. https://github.com/walkinglabs/learn-harness-engineering… 通过这个了解每一个 Harness 的…
A project-based course repository on Harness Engineering for AI coding agents, covering environment setup, state management, verification, and control mechanisms to make AI coding agents work reliably. The course synthesizes best practices from OpenAI and Anthropic on building effective harnesses for long-running agents.
@lilianweng: 关于AI自我改进的 Harness 工程新博文:https://lilianweng.github.io/posts/2026-07-04-harness/… 这是……
Lilian Weng 的博文探讨了 Harness 工程的概念,将其作为 AI 系统递归自我改进的关键组成部分,讨论了设计模式、工作流自动化以及与操作系统的类比。
学习Harness Engineering
Learn Harness Engineering 是一个免费课程,教授AI编码代理的工程原理,涵盖环境设计、状态管理和验证,使像Codex和Claude Code这样的代理更加可靠。
@tom_doerr: 精心策划的AI代理框架模式与模板 https://github.com/ai-boost/awesome-harness-engineering…
一个精心策划的资源、模式和模板集合,用于构建可靠的AI代理框架,重点关注代理周围的脚手架结构而非模型本身。