一套面向 AI 编程 Agent 的开源项目型课程，通过 14 讲、8 个递进实践和可复用模板，学习如何用环境、状态、验证与控制机制提升真实工程任务的可靠性。
问题与约束
模型能生成代码，不等于它能在真实仓库里跨会话完成任务。缺少项目规则、持久状态、执行反馈和验收门槛时，Agent 容易越界修改、遗漏步骤、重复返工或提前宣布完成。
方案与决策
课程用讲义、实战项目、资源模板和真实产品拆解四条路径组织内容；把可操作的 Harness 拆成 Instructions、State、Verification、Scope 和 Session Lifecycle，并通过 baseline 对比、跨会话接力、Maker-Checker Loop、Graph 与人工审批逐步加固。
证据
截至 2026-08-20，主分支 README 标注 14 Lectures、8 Projects、15 Languages 和 MIT License；中文项目目录提供 starter/solution 实践，资源库包含 AGENTS.md、feature_list、init、交接与验证模板。
结果
项目提供了一条可测量的 Harness 学习路径：先用相同任务建立无 Harness 基线，再逐步比较完成率、人工介入、错误完成、返工量和跨会话恢复时间。课程本身是学习材料，不等同于生产可靠性保证。
RELATED NOTES
关联工程文章
2026
模型已经会写代码，为什么项目还是会翻车？一套开源 Harness 工程学习路径
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，并留下可恢复的状态。Learn Harness Engineering 用 14 讲、8 个实践和一套可复用模板，把这件事拆成了可以动手学习的工程路径。