用途：为任意项目建立系统化的 AI Agent Harness Engineering。核心理念是“Agent = Model + Harness”，即除模型本身之外的一切都属于 Harness，用于约束、告知、验证和纠正 Agent 行为。
主要能力：围绕四大支柱展开——上下文架构（渐进式信息披露）、架构约束（约束执行与验证）、熵管理（周期清理与漂移检测）、持久记忆（跨会话状态保存）。提供 .harness/ 五层目录结构：context（领域上下文，按需加载）、sensors（pre-commit、CI、drift、eval 等反馈传感器）、agents（Sprint Contracts、specializations、workflows）、entropy（漂移检测、文档一致性、依赖审计脚本）、metrics（会话日志与周报）。
使用方式：按阶段渐进实施。Phase 0 用 templates/scaffold.sh 建目录、写 README 与 VERSION；Phase 1 装 husky + lint-staged、定义 drift 规则、增强 CI；Phase 2 拆分领域知识、精简导航文件；Phase 3 建 Sprint Contract 与多 Agent 工作流；Phase 4 写熵管理与指标脚本；Phase 5 持续演化。上下文分三层：热记忆（CLAUDE.md/AGENTS.md 自动加载）、领域专家（.harness/context/ 按需加载）、冷记忆（检索触发）。控制分前馈（Guides）与反馈（Sensors），验证分计算型与推理型，优先计算型。
适用场景：需要 AI Agent 长期协作、多 Agent 编排、架构一致性维护的仓库级项目；提供 Level 1 个人、Level 2 团队、Level 3 组织参考。
限制：不适用于一次性脚本或纯人工项目；不涉及模型选择与提示工程。定价、收费与具体平台依赖暂未提供。