用途：该技能用于设计或改进 AI 智能体开发工作流，把智能体辅助开发当作受控工程系统来规划，而不只是优化提示词。触发场景包括：用户要求提升 AI 辅助开发可靠性、规划 AGENTS.md、技能、测试、CI、钩子、评审回路与项目规则；涉及 harness 工程、反馈回路、人在回路；设计定时自动化、cron 驱动的智能体循环；多智能体并行与隔离策略（worktree 隔离）；maker/checker 分离；外部记忆或跨会话状态持久化；以及从 harness 演进到循环驱动开发。
主要能力：先勘察仓库，检查项目指令（AGENTS.md、CLAUDE.md、GEMINI.md、.github/copilot-instructions.md）、技能与提示资产、验证命令（package.json、pyproject.toml、Makefile、CI 工作流）、安全治理（钩子、linter、格式化、密钥与依赖扫描）、文档、智能体定义、自动化与调度配置、状态文件等，区分可发现的仓库事实与需用户确认的偏好。随后从前馈指南、反馈传感器、控制类型、监管类别、人类角色等维度分析，并在涉及自动化、并行智能体或持续循环时扩展循环设计（调度、隔离、分离、集成、状态）。
使用方式：以规划为先，除非用户在方案明确后明确要求实现，否则不修改文件。输出采用繁体中文（台湾）结构：现况盘点、Harnessability 评估（低/中/高）、前馈指南设计、反馈传感器设计、开发前改善清单（P0/P1/P2）、条件式 Loop 设计、人类决策点、验证方式。需要完整 harness 设计、成熟度模型或改进路线图时读取 reference/harness-patterns.md；需要更深概念背景时读取 reference/agent-harness-engineering.md；涉及循环工程模式、五个循环原语、风险模型与成熟度指引时读取 reference/loop-engineering.md。
适用场景：AI 辅助开发流程治理、智能体工作流可靠性提升、多智能体并行隔离、定时自动化与循环驱动开发规划。
限制：不把 AI 生成的测试当作行为正确性的充分证明；有快速确定性工具可检查时不用 LLM 判断替代；项目缺乏可靠本地验证命令前不建议广泛自动化；不对安全、合规、生产部署或产品范围决策提出完全自主变更；缺乏可靠本地验证与稳定 CI 的项目不建议循环驱动自动化；设计循环时须评估理解债、认知投降与无人值守验证风险；子智能体设计与实现细节交由 neo-sub-agent 技能；循环工程概念标注为新兴实践而非既定最佳实践。具体命令若资料未提供则说明缺失，不编造。