AI 编程 Agent 真正难的，不是生成一段代码，而是在真实仓库里跨会话完成任务、验证结果，并留下下一次可以继续工作的状态。

最近一年，模型写代码的能力提升得很快。补一个函数、生成一个页面、解释一段报错，已经不再稀奇。

但把任务放进真实项目，问题很快就会暴露出来：它可能没有先读项目规则，改了不该动的文件；可能写完代码却没有跑测试；也可能在上下文越来越长以后忘记原来的目标，最后用一句“已经完成”结束任务。

这类失败不一定是模型不够聪明，更常见的原因是：模型周围缺少一套可靠的工作系统。

这正是开源项目 Learn Harness Engineering 想解决的问题。

Learn Harness Engineering：让 AI 编程从生成代码走向可靠交付

Harness Engineering 不是“再写一份更长的提示词”

Harness 可以理解为套在模型外面的工程环境。模型负责推理和生成，Harness 负责规定它在什么范围内工作、从哪里读取事实、如何保存状态、用什么方式验证，以及什么时候才允许宣布完成。

项目 README 把这套工作环境拆成五个可以操作的子系统。

一、Instructions：指令。

用 AGENTS.md、项目文档和功能清单告诉 Agent：开始前要读什么，允许改什么，按什么顺序做，完成标准是什么。重点不是把所有规则塞进一个超长文件，而是让 Agent 能按需找到正确的信息。

二、State：状态。

把进度、未完成事项、验证结果和 Git 历史保存在仓库里。这样即使换了会话，下一次也不必依赖模型“记住上次聊了什么”。

三、Verification：验证。

测试、Lint、类型检查、冒烟运行和页面回读才是完成证据。代码看起来合理，和代码真的能工作，是两件不同的事。

四、Scope：范围。

一次只处理一个有明确边界的功能，避免 Agent 同时铺开多个方向，最后留下三份都没收尾的半成品。

五、Session Lifecycle：会话生命周期。

开始时初始化环境，结束时清理状态、记录交接信息，并确保下一个会话有一条可恢复的路径。

Harness Engineering 的五个子系统：指令、状态、验证、范围与会话生命周期

把这五部分连起来以后，Agent 的工作方式会从“收到一句话就开始写”变成一个闭环：

读取规则 → 初始化环境 → 完成一个范围明确的任务
      ↑                         ↓
恢复状态 ← 留下交接记录 ← 验证、修正、再验证

Harness 不会让模型突然变得更聪明，但它会让模型更难跳过关键步骤。

这个项目最有价值的地方，是让你亲手做对比实验

Learn Harness Engineering 不是只有概念文章。当前主线提供 14 讲、8 个递进实践、15 种语言版本和一套可复制的资源模板，使用 MIT License 开源。

它的学习顺序很像搭建一条逐步加固的工程流水线。

第一阶段：先看见差异

Project 01 让你用同一个任务比较“纯提示词驱动”和“最小 Harness 驱动”。

这一步很重要。没有基线，就很容易把“感觉更专业”误当成“结果更可靠”。你需要实际记录完成率、人工介入次数、返工次数和验证结果。

第二阶段：让仓库可以被 Agent 持续接手

接下来的实践逐步加入 Agent 可读的仓库结构、跨会话状态、运行反馈、独立验证和可观测性。

你会开始处理真实工程里最常见的几个问题：下一次会话如何接住上一次工作；失败以后如何定位到具体环节；实现者是否应该同时担任评审者；怎样避免“测试没跑，但任务已经被标成完成”。

第三阶段：从单次执行走向自动循环

Project 07 进入 Loop Engineering。它让你分别体验 Goal Loop、Timer Loop 和 Maker-Checker Loop。

其中最值得做的是 Maker-Checker：一个 Agent 负责实现，另一个 Agent 按独立标准检查，状态文件记录每一轮结果，停止条件决定循环什么时候结束。人不再需要盯住每一步，但仍然掌握目标、预算和退出权。

第四阶段：当循环变复杂，把它画成图

Project 08 继续走向 Graph Engineering：显式写出节点、边、共享状态和路由规则，再加入并行分支、条件回退和人工审批节点。

这一步不是鼓励所有任务都上复杂编排。相反，它帮助你判断：什么时候一个简单循环已经不够，什么时候并行和审批带来的价值能够覆盖协调成本。

Harness 学习路径：从单次任务到可靠循环，再到带回退与人工审批的图结构

它还拆了四种真实 Harness 设计

课程新增了“前沿 Harness 拆解”，用统一框架分析 Pi、Claude Code、Codex 和 DeepSeek Harness。

这部分的价值不在于比较谁的模型更强，而在于观察不同团队怎样处理同一类工程问题：

  • Pi 选择极简内核和可编程扩展；
  • Claude Code 强调分层记忆、压缩、权限、钩子与子 Agent；
  • Codex 把仓库作为事实来源，并用 AGENTS.md 和 worktree 管理信息与隔离；
  • DeepSeek Harness 采用 “Everything is a Plugin” 的运行时思路。

先学课程框架，再看这些真实实现，会比单独背某个工具的命令更容易迁移。

如果只用两小时，我建议这样开始

前 30 分钟：读第一讲和第二讲，先弄清楚“模型能力”和“执行可靠性”为什么不是同一个问题。

接下来 60 分钟：完成 Project 01。选一个足够小、可以重复验证的真实任务，用相同模型和相同需求分别跑一次无 Harness 基线和最小 Harness 版本。

最后 30 分钟：只把四样东西带回自己的仓库：

  1. 一份简短的 AGENTS.md；
  2. 一份可检查的功能或任务清单；
  3. 一个统一的初始化入口；
  4. 一条机器可以执行的验证命令。

不要一开始就照搬完整模板。先证明这四样东西能降低返工，再逐步加入状态交接、独立评审、循环和图。

学习时不要只看“代码有没有生成”

判断 Harness 是否有效，至少记录下面五个指标：

  • 任务完成率：验收标准是否真的全部通过；
  • 人工介入次数：中途需要人纠偏多少次；
  • 错误完成率：Agent 宣布完成，但验证没有通过的次数；
  • 返工量：为了修复越界修改或遗漏步骤，需要重做多少；
  • 恢复时间：换一个新会话以后，多久能准确继续上次工作。

如果这些指标没有改善，文件再齐全，也只是“看起来像 Harness”。

谁适合学，谁可以先不学

如果你经常让 Codex、Claude Code、Cursor 或其他 Agent 修改真实仓库；任务会跨多个会话；项目有测试、部署或安全边界；或者你正在设计自动循环，这套课程值得系统做一遍。

如果你只是偶尔生成一段一次性脚本，先掌握清晰提问和基本代码审查就够了。完整 Harness 也有维护成本，不是文件越多越专业。

还要注意：这是一套快速更新的开源课程，不是装上就能保证生产交付的框架。仓库当前顶部信息和具体目录已经更新到 14 讲、8 个实践，个别概览页仍可能保留旧数字。学习时应以主分支目录和具体项目页为准。

最后

AI 编程进入工程阶段以后，真正稀缺的能力正在发生变化。

过去我们关心“模型能不能写出这段代码”；现在更应该关心“它能不能在正确边界内持续工作，并用证据证明结果”。

Prompt 决定一次回答从哪里出发，Harness 决定一项工程怎样走到可以验收的终点。

如果你已经在真实项目里使用 AI Coding Agent，这个开源项目最值得做的，不是收藏，而是从 Project 01 开始，亲手跑一次对比。

开源仓库：https://github.com/walkinglabs/learn-harness-engineering

在线课程：https://walkinglabs.github.io/learn-harness-engineering/zh/

开源协议：MIT License

资料核对：本文依据该仓库 main 分支截至 2026-08-20 的 README、中文课程目录和项目文档整理；课程仍在持续更新。