Harness Engineering：长程自动化 AI Coding / Skills 开发实践
一句话概括
从 Prompt Engineering → Context Engineering → Harness Engineering 的三阶段演进切入，用 4 个真实案例（编辑工具、技术债放大、上下文防火墙、反馈回路重设计）论证 Harness 是 Agent 时代的护城河，并介绍 CLI-Anything 和 HiClaw 两个群体智能基础设施。
摘录
Harness 一词来源于马具。马是强大的 AI 模型，但因其黑盒属性具有不可控性；Harness 是指缰绳、马鞍和护具等，是工程管理学；骑手是人类工程师，明确意图、设计环境和构建反馈回路。
当好的实践占主导时，Agent 放大好的实践；当捷径占主导时，Agent 放大捷径。
“你在怪飞行员，但问题出在起落架上。” —— Can Duruk，编辑工具设计直接影响模型编码成功率
“成功应该是沉默的，只有失败才应该发出声音。” —— HumanLayer，反馈回路设计原则
同一个模型，不同的 Harness，截然不同的结果。Agent 竞争优势除了在你用了哪个模型，也在于你构建了怎样的 Harness。
核心案例
- Hashline 编辑方案：每行加哈希标签替代文本复现，Grok Code Fast 1 成功率 6.7% → 68.3%
- 技术债指数级放大：Agent 把坏模式当合法方案系统性复用，OpenAI 用自动化规则编码”品味”
- 子 Agent 上下文防火墙：隔离上下文窗口防止”笨蛋区”，父 Agent 用贵模型规划，子 Agent 用便宜模型执行
- 反馈回路重设计：成功静默 + 失败精炼 + LoopDetection，LangChain Terminal Bench 从前 30 升至前 5
群体智能基础设施
- CLI-Anything（港大）：自动分析软件源码生成 CLI + SKILL.md，Agent 可调用 GIMP/Blender/Audacity
- HiClaw（阿里）：Manager-Workers 架构 + 独立记忆存储 + Higress AI Gateway + MinIO 共享文件系统
涉及实体
- Harness-Engineering —— 三阶段演进的最终形态
- HiClaw —— 阿里开源的群体智能操作系统
- CLI-Anything —— 港大的群体智能基础设施
- OpenClaw —— Harness Engineering 的载体之一
涉及主题
- Harness-Engineering-主题 —— 4 个真实案例 + 群体智能方向