@freeman1266: Harness Engineering 不是玄学，是可工程化的活产物 很多人看了一圈 Harness Engineering 的文章，理念都懂了，但第一步到底该做什么？ 六层零件，逐层叠加： • Rule：写死基础规矩，告诉 AI 什么不…

X AI KOLs Timeline 新闻
harness-engineering ai-agents engineering-practice workflow multi-agent dev-map

摘要

Harness Engineering 不是玄学，而是可工程化的活产物。文章提出六层逐步叠加的工程框架（Rule、Skill、Sub Agent、Workflow、Scripts、dev-map），强调从简单开始、依赖脚本而非提示词，并通过迭代改进。

Harness Engineering 不是玄学，是可工程化的活产物 很多人看了一圈 Harness Engineering 的文章，理念都懂了，但第一步到底该做什么？ 六层零件，逐层叠加： • Rule：写死基础规矩，告诉 AI 什么不能乱来——但 Rule 只是软约束，AI 会忘、会绕、会找理由 • Skill：把编译、测试、验证这类固定动作标准化，不让 AI 临场发挥 • Sub Agent：需求分析、方案设计、开发、审查、测试——拆开角色，不让一个 Agent 既做需求又自审自己 • Workflow：接力赛规则，谁接哪一棒、什么时候打回、打回给谁，全部说清楚 • Scripts（总验证脚本）：最硬的一层——你说做完了没用，脚本判定通过才算完成 • dev-map + 任务看板：给 AI 配项目级索引，让它别在已经长出来的城市里重复铺路 最关键的认知转折： Rule 再多，本质还是自然语言约束，AI 会"解释性执行"。真正成熟的 Harness，最后一定越来越依赖脚本，而不是越来越依赖提示词。 起步建议： 不要一上来就把所有东西搭齐。先磨清楚 SPEC，补最关键的 Rule，把高频动作做成 Skill，等单 Agent 失稳了再拆多 Agent——先让系统跑起来，在真实问题里继续补强。 Harness 从来不是"一次设计到位"，而是跑一段、撞墙、补洞、再跑一段。
查看原文
查看缓存全文

缓存时间: 2026/05/25 14:56

Harness Engineering 不是玄学，是可工程化的活产物

很多人看了一圈 Harness Engineering 的文章，理念都懂了，但第一步到底该做什么？

六层零件，逐层叠加：

• Rule：写死基础规矩，告诉 AI 什么不能乱来——但 Rule 只是软约束，AI 会忘、会绕、会找理由 • Skill：把编译、测试、验证这类固定动作标准化，不让 AI 临场发挥 • Sub Agent：需求分析、方案设计、开发、审查、测试——拆开角色，不让一个 Agent 既做需求又自审自己 • Workflow：接力赛规则，谁接哪一棒、什么时候打回、打回给谁，全部说清楚 • Scripts（总验证脚本）：最硬的一层——你说做完了没用，脚本判定通过才算完成 • dev-map + 任务看板：给 AI 配项目级索引，让它别在已经长出来的城市里重复铺路

最关键的认知转折：

Rule 再多，本质还是自然语言约束，AI 会“解释性执行“。真正成熟的 Harness，最后一定越来越依赖脚本，而不是越来越依赖提示词。

起步建议：

不要一上来就把所有东西搭齐。先磨清楚 SPEC，补最关键的 Rule，把高频动作做成 Skill，等单 Agent 失稳了再拆多 Agent——先让系统跑起来，在真实问题里继续补强。

Harness 从来不是“一次设计到位“，而是跑一段、撞墙、补洞、再跑一段。

相似文章

@FakeMaidenMaker: https://x.com/FakeMaidenMaker/status/2055146731625447516

X AI KOLs Timeline

本文深入探讨Harness Engineering概念，指出裸模型在复杂工程任务中完成率为0%，而通过分层上下文管理、合理工具编排和任务结构化等工程基础设施，可大幅提升AI编码效率，使小团队也能构建生产级软件。文章提供了5个核心维度的实践指南。

@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…

X AI KOLs Timeline

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.

@xiaogaifun: 讲 Harness 最透彻的一个演讲。 这应该是我看到过的、关于 Harness Engineering 最透彻的一次分享，推荐大家看一下。 视频链接：https://podwise.ai/dashboard/episodes/80132…

X AI KOLs Timeline

这篇文章通过IBM工程师Tejas Kumar的演讲，深入讲解了Harness Engineering的概念，即通过为AI Agent添加确定性基础设施（如工具注册表、上下文管理、护栏和验证循环）来解决模型失控和幻觉问题，确保Agent稳定执行任务。