最近被这个概念轰炸了，简中互联网上全是令人费解的吹嘘概念，没有一个实战案例，我今早特意去看了一下Anthropic 的实践文章和openai 的实践文章。
A 的三 Agent （ Planner 、Generator 、Evaluator ）思路能解决从 0 开始纯 AI 写项目的很多痛点，比如边界模糊、上下文焦虑、自我评估偏差等等。总之就是思路清晰，效果牛逼。
而 openai 的逻辑大致是 1.把项目文档都放入 docs ，用 AGENTS.md 渐进式披露 2.强制代码架构和风格 3.通过各种姿势让 codex 能读浏览器前后端日志然后自己修 bug 4.加了一个垃圾回收的步骤
按照我一个菜鸟程序员的直觉，A 的思路我看懂了，openai 的思路不明觉厉，我看完了文章想去尝试 A 的思路，但是我搜了一圈没找到类似的开源 repo ，插件，或者 skill ，有没有大佬锐评一下，或是已有实践给个仓库观摩看看
第 1 条附言 · 3 月 31 日
我不是想造 harness ，我想用现成的 harness 框架，让 AI 从 0 写一个项目，我参与决策，不写代码，编码过程 Agent 高度自驱，我想找个 Anthropic 的三角色的 harness 框架，但是苦于找不到
30 条回复 • 2026-04-01 00:25:16 +08:00
 |
1
akechiz 3 月 31 日
一直看到这个概念，但是实际上要怎么做，没看到，也没思路
|
 |
2
dsd2077 PRO 我个人觉得这东西本身就该由 cc 、codex 、cursor 等工具去思考。把这个概念抛给用户，并没多大意义。（如果炒概念也算的话）
|
 |
3
jaysonmac 3 月 31 日
Anthropic 的方案类似 code <--> review 迭代开发，不断优化
OpenAI 的方案类似把巨大的 Project 拆解成多个 Sprint 敏捷开发，让 Agent 不会因为项目太大文档太多找不着北 （手动狗头） |
 |
4
catazshadow 3 月 31 日 via Android
《随机数发生器使用指南》
|
 |
5
bytesfold 3 月 31 日 via iPhone
我好像已经实践了，效果很好；
可以先写个基础的版本，让它设计、编码、测试与迭代。 类似于 OpenAI 的渐进式披露。 我也不确定对不对 |
 |
6
zhangli2946 3 月 31 日
vibe 跟 harness 的差别我觉得主要在人的位置.
harness 中人几乎可以不参与开发过程. vibe 中人几乎可以不离开开发过程. |
 |
7
v2er119 3 月 31 日
就是开发过程工程化的方法论，只能算是过度概念吧。
|
 |
8
Yasuke 3 月 31 日
gsd 、openspec 、speckit
|
 |
9
infoscope 3 月 31 日 via iPhone
搞各种花活，让 token 燃烧起来
|
 |
10
shineonme 3 月 31 日  4
不清楚你想要尝试的是构建一个 Harness 还是更好的驾驭 Harness ，
这里有一个从 0 到 1 构建一个类似于 Claude Code 的项目，很推荐这个作为入门， 12 小节内容，阶梯进展，简单清晰，还附带有一个交互式 Web 平台和每节练习代码，很用心了， https://github.com/shareAI-lab/learn-claude-code |
 |
11
clemente 3 月 31 日
其实就是 环境能够模拟仿真真实的生产环境
让 ai 自己去 loop 迭代 |
 |
12
Kirbyyang951 3 月 31 日
Harness 不是开发 Agent 工具要考虑的吗，比如 claude code 本身开发这个 Mcp ，skills ，就是一种 harness 思路，为了提高 Agent 的跑分或者准确率，用 AI 工具开发普通项目怎么 Harness ，这个没理解。
|
 |
13
NoobNoob030 OP 我想按照 Anthropic 的实践方式，从 0 让 AI 自驱写一个项目，找到 https://github.com/code-yeongyu/oh-my-openagent/tree/dev 和 https://github.com/snarktank/ralph ，这俩项目都是有各自自驱实现任务的思路，但是跟文章中三角色的思路有偏差
|
 |
14
beimenjun PRO 要说 Harness Engineering ，首先要说另外几个概念，分别是 Prompt Engineering 和 Context Engineering 。其实并不是一个全新的概念。但是 Prompt -> Context -> Harness 这一路过来，其实是很难分出一个准确的分界，因为模型的能力和围绕模型的框架建构，是在日夜不停的迭代进化的。
新模型配老框架叫做吕布骑狗，老模型放在新框架大概率也提升不了啥。 Harness Engineering 重点从以前的让模型更好的输出内容，转向如何使其在任务运行层面更好的完成任务：怎么拆任务，怎么验证，怎么控制上下文，怎么给 LLM 提供好的环境，全部都是需要根据实际模型能力来解决的问题。 上面说的这些概念，其实之前全部都有，只是现在模型能力提升，要进一步成体系的重视了。 |
 |
15
Lin0936 3 月 31 日 1
|
 |
16
hxzhouh1 3 月 31 日 1
|
 |
18
lovedeepl 3 月 31 日
让 AI 自己管理 AI
|
 |
19
Lemonadeccc 3 月 31 日
我也看了 harness ，也不是很明白。
但是后来实践之后。想把团队规范、代码风格之类的写在项目文档里，然后某一个更改之后形成 summary 放在文档里面，包括选型、潜在边界情况、分支以及简单的 summary 等等。维护起来。编码的时候遵循 plan -> execute -> 多轮交叉 review -> 优化 等等。也不知道自己探索的这部分能不能叫 harness |
 |
20
Alex6 3 月 31 日
现实中团队的各种角色通过敏捷迭代来管理、把控、实现项目。那么把 AI 大模型想象成人，但是现在缺少一个工作方法让这些 AI 合作完成项目，我想这个方法就是叫 harness 吧。是一种面向 AI 的工程实践。
|
 |
22
meeop 3 月 31 日
你要是重度使用 ai 开发的话，构建自己的 harness 是个自然而然的事
harness 其实就是构建在 agent 之上，应用业务逻辑之下的一层。你直接让 agent 开发，肯定会遇到诸如此类的问题： 1 你原始 prompt 没说清楚（包括但不限于，代码规范，技术栈，方案路线，开发流程，质检策略） 2 上下文丢失或者人工补充上下文 （你需要每轮都提示 ai ，请阅读 xx ，请按照如下方法做，请如何检索） 3 无法长时间运行或者无法完成复杂高标准任务（因为缺少规划，执行，审核结果，反馈迭代循环） 这些问题的解决方法就是 harness ，比如高速 agent 遵守哪些文档，开发流程和项目架构，要如何测试和质检，搭建测试和事实观测工具等等 |
|
23
meeop 3 月 31 日
其实也没有发明任何新的东西，现实是怎么开发的，agent 就应该怎么开发，harness 是补充 prompt 之外的这些开发上下文，协作机制
|
 |
24
maichael 3 月 31 日
其实就是给 Agent 的「开发流程管理」，可以叫「赛博开发流程管理」
|
 |
25
CziL 3 月 31 日
如果你现在在用 cc ，就已经在用 Harness 了，它已经内置了该功能，特别是在 plan mode 模式下
|
 |
26
chairuosen 3 月 31 日
我的理解是，对 AI 的约束从 prompt 的固定提示词约束，到 context 的动态提示词约束，到 harness 的全生命周期约束。比如我最近搞自己中转站，发现 claudecode 发的请求，大部分工具调用的结果，比如读文件，还会附带一个<system-reminder>，里面是对读文件的技巧以及下一步操作的提示，相当于用工程的方式去在执行层面每一步进一步对 AI 有个约束和引导
|
 |
27
xiaozhaoz 3 月 31 日
感觉是 ai 自己在造各种垃圾概念。
superpowers 和 gstack 不也在做类似的事情？ |
Select Language