C

Harness 工程

让 Agent 可靠地跑完长任务的工程方法论。以 walkinglabs《Harness Engineering》为骨架，融合一套真实项目里跑出来的实战做法。

本模块回答最后一个问题：怎么让一个 Agent 可靠地跑完一个需要很多步、跨很多次会话的长任务？

核心命题是——模型能力是常数，能不能交付是 harness 的函数。同一个模型，裸跑失败，套上完整 harness 就成功；成功率能从两成爬到接近满分，而模型一行没动。本模块以 walkinglabs《Harness Engineering》的框架为骨架，融合一套在真实项目里跑出来的实战方法论：features.json 单一事实源、STATUS + 里程碑三件套、线性切片、fixture 先于代码、4 层防御体系、上下文隔离子 agent。

讲次编排：先立靶（为什么能力强的 Agent 仍失败）→ 给定义（harness 到底是什么）→ 逐个子系统展开（仓库即事实源 / 指令拆分 / 跨会话连续 / 边界与 feature list / 端到端验证与干净交接）。

适合：要让 Agent 干真活、跑长任务的工程师和 PM——其实你正在读的这门课，本身就是用这套方法论做出来的。

讲次

第 0 讲

为什么能力强的 Agent 仍然会失败

失败多半不在模型权重，而在权重之外那层叫 harness 的工程基础设施。

 第 1 讲

为什么模型一样强，效果却天差地别——Harness 才是那个变量

Harness 是模型权重之外的全部工程基础设施，五子系统是组件、四层防御是落地。

 第 2 讲

为什么仓库必须成为 Agent 的唯一事实源

不在仓库里的信息对 Agent 等于不存在，知识必须沉淀为文件而非散在工具里。

 第 3 讲

为什么一个巨型指令文件会拖垮你的 Agent

600 行的 CLAUDE.md 是自我强化的失败循环，拆成入口加分册才是解药。

 第 4 讲

为什么跨会话的长任务会断片

长任务必然耗尽上下文，靠初始化与持久化工件让新会话三分钟接班。

 第 5 讲

为什么 Agent 越界又做不完：WIP=1 与 feature list 原语

同时开多任务必全败，靠 WIP=1 加可执行验证的 feature 原语锁住边界。

 第 6 讲

为什么跑通端到端才算完成，且每次会话都要留干净状态

单测过≠任务完成，完成判定必须外部化跑通 E2E，并以五维清洁状态收尾对抗熵增。