Harness Engineering 是一套面向 AI 智能体友好型代码库的搭建与改进方法。它把 harness 定义为 AI 智能体在项目中工作的“操作系统”：模型是 CPU，上下文窗口是 RAM，harness 是 OS。其核心原则是：从简单开始，只在需要时增加复杂度；每个 harness 组件都编码了一个关于“模型单独做不到什么”的假设，这些假设会随着模型进步而过期，因此需要不断压力测试，并“为删除而构建”。
用途
该技能用于为项目建立和改进 harness 工程，包括 AGENTS.md、docs/、lint 规则、评估系统以及项目级提示工程，使代码库更适合 AI 智能体工作。它覆盖新项目初始化、智能体表现不佳时的诊断修复、现有项目的渐进式改进，以及多智能体、长任务、无人值守循环和跨会话记忆等场景。
主要能力
技能按 harness 分层组织，每层对应一个参考文件：
- 项目设置：AGENTS.md、docs/、目录约定，参考 01-project-setup.md。
- 上下文工程：智能体看到什么信息、渐进式披露、工作状态，参考 02-context-engineering.md。
- 约束与护栏：linter、类型系统、架构约束、安全自主性，参考 03-constraints.md。
- 多智能体架构：智能体分离、协调协议、委派模式，参考 04-multi-agent.md。
- 评估与反馈：测试、评分、GC 智能体、可观测性，参考 05-eval-feedback.md。
- 长任务：进度跟踪、上下文重置、交接产物，参考 06-long-running.md。
- 循环：验证器、停止条件、护栏、自主运行，参考 08-loops.md。
- 记忆：跨会话记忆、先索引后获取、整合、遗忘，参考 09-memory.md。
- 诊断：当智能体失败时，在 harness 而非模型中定位根因，参考 07-diagnosis.md。
使用方式
技能根据触发信号采取不同动作：
- 空项目或新项目：执行完整项目设置（第 1 节）。
- 用户对智能体感到沮丧：诊断并修复 harness 缺口（第 7 节）。
- 现有项目需要改进：评估并渐进式改进。
- 明确的 harness 问题：引用相关章节。
新项目工作流：先评估项目、技术栈、团队规模以及智能体的使用方式；然后创建基础 harness 文件（参考 01-project-setup.md）；接着设计信息架构（参考 02-context-engineering.md）；再添加护栏和 linter（参考 03-constraints.md）；最后建立反馈循环（参考 05-eval-feedback.md）。如果项目涉及多智能体或长任务，参考 04-multi-agent.md 和 06-long-running.md；如果智能体将无人值守运行（定时任务、CI 循环），参考 08-loops.md；如果智能体需要跨会话学习，参考 09-memory.md。
诊断工作流：当智能体表现不佳时，立即阅读 07-diagnosis.md，识别哪个 harness 层失败，并从相关参考中应用针对性修复。
渐进式改进：评估当前 harness 成熟度，找出最薄弱的一层，一次改进一层。
自更新协议：在项目中发现新的可复用 harness 模式时，判断它属于哪个参考文件（或是否需要新建），然后添加该模式，说明它解决什么问题、何时使用、如何实现，保持简洁，只保留模式本身。
适用场景
适用于需要让 AI 智能体在代码库中高效工作的团队和项目，尤其是新项目初始化、智能体表现诊断、现有项目 harness 改进，以及涉及多智能体协作、长任务、无人值守循环和跨会话记忆的复杂场景。
限制
资料未提供该技能的具体安装命令、收费方式、价格、平台支持范围或实际效果数据。其参考文件的具体内容、代码示例和实现细节在给定资料中未展开，暂未提供。