用途：Harness Engineering 是一套仓库结构方法论，目标是让代码仓库本身成为约束 AI 智能体的“harness”，从而最大化智能体有效性。其核心原则是：仓库即约束装置，智能体失败即约束失败；当智能体违反规则时，应修复约束装置而非智能体。
三大支柱： 一、上下文工程（Context Engineering）：把仓库做成智能体可无幻觉消费的知识产品。包括将 AGENTS.md 写成“失败账本”，每条规则须追溯到真实失败而非泛泛最佳实践；强制声明可用工具与禁用操作；让 docs/ 成为权威事实来源并由 CI 校验交叉链接；为每个任务提供隔离的可观测性。 二、架构约束（Architectural Constraints）：通过确定性执行让违规不可能发生或立即可见。包括带修复指引的 linter 错误信息、在 CI 中强制模块边界的结构测试、二值化的数值 CI 门禁（如覆盖率、包体积、lint/类型错误、安全漏洞），以及显式的依赖分层配置。 三、垃圾回收（Garbage Collection）：主动对抗熵增。包括定期运行的 GC 智能体（清理死代码、过期文档、未用依赖、孤儿测试、配置漂移），构建仓库专属的快速验证工具，以及遵循“先查约束装置”的失败诊断顺序。
使用方式：资料给出适用场景对照表，例如新仓库从第一天起应用三大支柱；智能体反复幻觉工具/API 时补充工具声明；跨越模块边界时增加结构测试；文档漂移时增加 CI 交叉链接校验；代码库增长导致质量下降时安排 GC 智能体。资料还提供 harness 成熟度评估清单，按支柱逐项检查，任一支柱低于 3/5 即视为存在缺口。
限制：资料未提供具体安装命令、运行命令、收费或价格信息，也未说明支持的平台与语言范围；文中代码与配置均为伪代码或示例，实际落地需结合具体仓库调整。