[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-74892":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":14,"contributorsCount":14,"subscribersCount":14,"size":14,"stars1d":15,"stars7d":16,"stars30d":17,"stars90d":14,"forks30d":14,"starsTrendScore":18,"compositeScore":19,"rankGlobal":9,"rankLanguage":9,"license":20,"archived":21,"fork":21,"defaultBranch":22,"hasWiki":23,"hasPages":21,"topics":24,"createdAt":9,"pushedAt":9,"updatedAt":25,"readmeContent":26,"aiSummary":27,"trendingCount":14,"starSnapshotCount":14,"syncStatus":28,"lastSyncTime":29,"discoverSource":30},74892,"harness-engineering","deusyu\u002Fharness-engineering","deusyu","Harness Engineering 学习指南 — 从概念理解到独立实践的深度学习档案",null,"Shell",3667,325,14,0,152,366,1085,456,29.54,"MIT License",false,"main",true,[],"2026-06-12 02:03:29","中文 | [English](README.en.md)\n\n![License: MIT](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue)\n![Articles](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Farticles-19-green)\n![Translations](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftranslations-12-orange)\n\n# Harness Engineering 学习指南\n\n> 一个从概念理解到独立实践的 Harness Engineering 深度学习档案\n\n## 前言\n\n这是一个不断生长的学习项目。**Harness Engineering**（驭缰工程）是 OpenAI 在 2026 年 2 月提出的工程范式：工程师不再写代码，而是设计环境、明确意图、构建反馈回路，让 AI 智能体可靠地完成工作。\n\n> **人类掌舵，智能体执行。**\n\n本仓库记录了从阅读原文、拆解概念、形成思考、动手实践到输出作品的完整学习过程。希望对同样关注 AI 工程化的朋友有所帮助。\n\n来源：[OpenAI — Harness Engineering: Harnessing Codex in an Agent-First World](https:\u002F\u002Fopenai.com\u002Fzh-Hans-CN\u002Findex\u002Fharness-engineering\u002F)\n\n> **注意：** 以下经验分享并非普遍适用，请在具体实践中结合场景，辩证采纳。\n\n## ⚡ 一句话理解\n\n```\n传统工程：人类写代码 → 机器执行代码\nHarness Engineering：人类设计约束 → 智能体写代码 → 机器执行代码\n```\n\n核心转变：**工程师的产出从代码变成了约束系统**——AGENTS.md、架构规则、自定义 linter、反馈回路。\n\n## 🧭 六大核心概念\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>1. 仓库即记录系统\u003C\u002Fb> — 不在仓库里的东西，对智能体不存在\u003C\u002Fsummary>\n\nSlack 讨论、Google Docs、脑子里的知识 = 对智能体不可见。一切决策、规范、计划都必须以版本化工件提交到仓库。\n\n→ 详见 [concepts\u002F01-repo-as-source-of-truth.md](concepts\u002F01-repo-as-source-of-truth.md)\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>2. 地图而非手册\u003C\u002Fb> — AGENTS.md 是目录页，不是百科全书\u003C\u002Fsummary>\n\n~100 行的入口文件，指向更深层的文档。渐进式披露：智能体从小入口点开始，被指导下一步该看什么。巨型指令文件的三个死因：挤占上下文、无法维护、无法机械验证。\n\n→ 详见 [concepts\u002F00-overview.md](concepts\u002F00-overview.md)\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>3. 机械化执行\u003C\u002Fb> — 文档会腐烂，lint 规则不会\u003C\u002Fsummary>\n\n自定义 linter + 结构测试 = 不变量的守护者。lint 错误信息里内嵌修复指令，智能体可以自我纠正。在中央层面强制执行边界，在本地层面允许自主权。\n\n→ 详见 [concepts\u002F02-mechanical-enforcement.md](concepts\u002F02-mechanical-enforcement.md)\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>4. 智能体可读性\u003C\u002Fb> — 优先为智能体的推理能力优化\u003C\u002Fsummary>\n\n选\"无聊\"技术（API 稳定、训练集覆盖好）。有时重新实现子集比包装不透明的上游行为更划算。让应用可以按 git worktree 启动。\n\n→ 详见 [concepts\u002F04-agent-readability.md](concepts\u002F04-agent-readability.md)\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>5. 吞吐量改变合并理念\u003C\u002Fb> — 纠错成本低，等待成本高\u003C\u002Fsummary>\n\nPR 生命周期很短。测试偶发失败通过后续重跑解决。在智能体吞吐量远超人类注意力的系统中，这通常是正确的选择。\n\n→ 详见 [concepts\u002F05-throughput-changes-merge.md](concepts\u002F05-throughput-changes-merge.md)\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>6. 熵管理 = 垃圾回收\u003C\u002Fb> — 技术债是高息贷款\u003C\u002Fsummary>\n\n智能体会复现仓库中已有的模式——包括坏模式。将\"黄金规则\"编码进仓库，定期后台任务扫描偏差、更新质量评分、发起重构 PR。\n\n→ 详见 [concepts\u002F03-entropy-and-garbage-collection.md](concepts\u002F03-entropy-and-garbage-collection.md)\n\u003C\u002Fdetails>\n\n## 🔑 关键数据点\n\n| 指标 | 数据 |\n|------|------|\n| 团队规模 | 3 人 → 7 人 |\n| 时间跨度 | 5 个月 |\n| 代码量 | ~100 万行 |\n| PR 数量 | ~1,500 个 |\n| 人均日 PR | 3.5 个（扩展后仍在增长） |\n| 单次运行时长 | 6+ 小时（通常在人类睡眠时间） |\n| 效率估算 | 手工编写的 ~1\u002F10 时间 |\n\n## 📂 仓库结构\n\n```\nharness-engineering\u002F\n├── README.md              ← 你在这里\n├── AGENTS.md              ← 仓库导航入口（给智能体看的）\n│\n├── concepts\u002F              # Phase 1：概念笔记（8 篇）\n│   ├── 00-overview.md     #   六大核心概念总览\n│   ├── 01-repo-as-...     #   仓库即记录系统\n│   ├── 02-mechanical-...  #   机械化执行\n│   ├── 03-entropy-...     #   熵管理与垃圾回收\n│   ├── 04-agent-...       #   智能体可读性\n│   ├── 05-throughput-...  #   吞吐量改变合并理念\n│   ├── 06-harness-...     #   Harness 精确定义（Fowler 控制论扩展）\n│   └── 07-spec-as-product.md #   约束即产品（Symphony 延伸）\n│\n├── thinking\u002F              # Phase 2：独立思考与质疑（6 篇）\n├── practice\u002F              # Phase 3：小项目实验（1 个 Ralph Demo）\n├── feedback\u002F              # Phase 4：踩坑与迭代心得（1 篇）\n├── works\u002F                 # Phase 5：可展示的作品（12 篇翻译 + 1 篇原创）\n├── prompts\u002F               # 验证有效的提示词积累\n└── references\u002F            # 外部资源索引（19 篇文章深度摘要）\n```\n\n每个子目录都有自己的 `AGENTS.md`，说明该目录的用途和写作约定。这本身就是原文「渐进式披露」的实践。\n\n## 🚀 学习路线\n\n- [x] **Phase 1：理解核心概念** — 8 篇概念笔记，覆盖 OpenAI 六大概念 + Fowler 控制论扩展 + Symphony 约束即产品\n- [x] **Phase 2：形成自己的观点** — 6 篇独立思考（持续中）\n- [x] **Phase 3：选一个小项目实践** — Ralph Demo 完成（321 秒，$0.31）\n- [x] **Phase 4：记录反馈迭代** — 1 篇（持续中）\n- [x] **Phase 5：输出可展示的作品** — 12 篇专业翻译 + 1 篇原创综合分析\n\n## 📚 研究资料库\n\n跨三条知识脉络 19 篇文章 + 3 篇延伸阅读：\n\n| 脉络 | 覆盖 | 核心视角 |\n|------|------|---------|\n| AI 时代的 Harness Engineering | 16 篇 | OpenAI → Fowler → Anthropic → LangChain → Stanford |\n| 云原生 Harness.io | 2 篇 | CI\u002FCD 平台架构（同名不同义的参照） |\n| 效率悖论与能力进化 | 1 篇 | YDD 系统性拆解：约束理论 + Spec\u002FRule\u002FSkill |\n| 延伸阅读 | 3 篇 | Mitchell Hashimoto、Context Engineering、人机协作 |\n\n详见 [references\u002Farticles.md](references\u002Farticles.md) — 每篇文章含核心论点、关键数据、跨文章关联的深度摘要。\n\n## 📖 翻译作品\n\n\u003Cdetails>\n\u003Csummary>\u003Cb>12 篇核心文章的中文翻译\u003C\u002Fb>（点击展开）\u003C\u002Fsummary>\n\n| 作品 | 原作者 | 来源 |\n|------|--------|------|\n| ⭐ [渴望了八年，用 AI 三个月造出来](works\u002Fmaganti-eight-years-building-ai-translation.md) | Lalit Maganti | 个人博客 |\n| [Inside the Scaffold 论文](works\u002Finside-the-scaffold-paper-translation.md) | Benjamin Rombaut | Huawei \u002F arXiv |\n| [Meta-Harness 论文](works\u002Fmeta-harness-paper-translation.md) | Yoonho Lee 等 | Stanford \u002F arXiv |\n| [Harness Engineering 正式版](works\u002Ffowler-harness-engineering-full-translation.md) | Birgitta Böckeler | Martin Fowler |\n| [Harness Engineering 备忘录](works\u002Ffowler-harness-engineering-memo-translation.md) | Birgitta Böckeler | Martin Fowler |\n| [Encoding Team Standards](works\u002Ffowler-encoding-team-standards-translation.md) | Rahul Garg | Martin Fowler |\n| [Feedback Flywheel](works\u002Ffowler-feedback-flywheel-translation.md) | Rahul Garg | Martin Fowler |\n| [Scaling Managed Agents](works\u002Fanthropic-managed-agents-translation.md) | Lance Martin 等 | Anthropic |\n| [Agent Evaluation Checklist](works\u002Flangchain-agent-evaluation-checklist-translation.md) | LangChain 团队 | LangChain |\n| [Agent-driven Development](works\u002Fgithub-agent-driven-development-translation.md) | Tyler McGoffin | GitHub |\n| [Continual Learning](works\u002Flangchain-continual-learning-translation.md) | Harrison Chase | LangChain |\n| [Codex 编排开源规范 Symphony](works\u002Fopenai-codex-symphony-translation.md) | Kotliarskyi 等 | OpenAI |\n\n\u003C\u002Fdetails>\n\n## 🔗 相关项目与资源\n\n### 原始来源\n\n| 资源 | 说明 |\n|------|------|\n| [OpenAI 原文（中文）](https:\u002F\u002Fopenai.com\u002Fzh-Hans-CN\u002Findex\u002Fharness-engineering\u002F) | Harness Engineering 的完整阐述 |\n\n### Ralph 系列 — Harness Engineering 的实战框架\n\n「Ralph Wiggum 循环」是 Harness Engineering 的核心实现模式：让智能体在循环中自主工作直到任务完成。\n\n| 项目 | Stars | 说明 |\n|------|-------|------|\n| [snarktank\u002Fralph](https:\u002F\u002Fgithub.com\u002Fsnarktank\u002Fralph) | 13.6k | 原版 Ralph：bash 脚本反复启动 AI，每次迭代清空上下文，直到 PRD 全部完成。6 条核心信条（Fresh Context、Backpressure、Plan Is Disposable 等） |\n| [ralph-orchestrator](https:\u002F\u002Fmikeyobrien.github.io\u002Fralph-orchestrator\u002F) | 2.3k | Rust 进化版：Hat 角色系统 + 事件驱动协调 + 多后端（Claude\u002FKiro\u002FGemini\u002FCodex）+ 背压门控 + 持久化记忆 |\n| [bmad-ralph](https:\u002F\u002Fgithub.com\u002Fqianxiaofeng\u002Fbmad-ralph) | 2 | BMAD 方法论 + Ralph：并行 Claude Code worktree + 三层自愈（retry → restart → diagnose）+ SQLite 状态机 |\n\n### Ralph 六条信条（与 Harness Engineering 的映射）\n\n| Ralph 信条 | Harness Engineering 对应概念 |\n|-----------|---------------------------|\n| Fresh Context Is Reliability | 智能体可读性 — 每次迭代重新读取 |\n| Backpressure Over Prescription | 机械化执行 — 不规定怎么做，但门控拒绝坏结果 |\n| The Plan Is Disposable | 熵管理 — 重新生成的成本只是一次 planning loop |\n| Disk Is State, Git Is Memory | 仓库即记录系统 — 文件是交接机制 |\n| Steer With Signals, Not Scripts | 人类掌舵 — 加路标，不加脚本 |\n| Let Ralph Ralph | 智能体执行 — 坐在循环上，不坐在循环里 |\n\n### 社区与延伸\n\n| 资源 | 说明 |\n|------|------|\n| [vibe-coding-cn](https:\u002F\u002Fgithub.com\u002Ftukuaiai\u002Fvibe-coding-cn) | 中文 Vibe Coding 社区指南 |\n| [Mitchell Hashimoto: Engineer the Harness](https:\u002F\u002Fmitchellh.com\u002Fwriting\u002Fmy-ai-adoption-journey#step-5-engineer-the-harness) | \"Harness\" 概念的另一个起源 |\n\n## 🛠️ 开发须知\n\n仓库自带一致性检查脚本 `scripts\u002Fcheck-consistency.sh`，守护数量类漂移，覆盖七层校验：\n\n- **C1-C2** — `references\u002Farticles.md` 文章数 + 下游 4 处引用（README × 2 badges、`prompts\u002Fdeep-research-tracker.md` 头部、`references\u002FAGENTS.md` 概览）\n- **C3** — `concepts\u002F` \u002F `thinking\u002F` \u002F `feedback\u002F` 三个目录的 `*.md` 实际数与 README \"X 篇\" 声明一致\n- **C4** — `works\u002F*-translation.md` 文件数与各处翻译计数声明一致（badges、表格摘要、Phase 5 注释、AGENTS 快照、表格行数）\n- **C5** — README 结构树的 `concepts\u002F` 子树列出每一个 `concepts\u002F*.md` 文件\n- **C6** — `references\u002Farticles.md` 末尾\"不计入 N 篇\"的 N 与 C1 权威值一致\n- **C7** — 三脉络（脉络一\u002F二\u002F三）的 per-track 计数在 4 处下游声明（READMEs 资料库表 × 2、`references\u002FAGENTS.md` 三脉络小标题、`prompts\u002Fdeep-research-tracker.md` 三脉络明细）保持一致\n\n**首次 clone 后启用 pre-commit hook：**\n\n```bash\ngit config core.hooksPath .githooks\n```\n\n启用后，每次 commit 涉及 README、`AGENTS.md`、`references\u002Farticles.md`、`references\u002FAGENTS.md`、`prompts\u002Fdeep-research-tracker.md`、或 `concepts\u002F` \u002F `thinking\u002F` \u002F `feedback\u002F` \u002F `works\u002F` 中的 `*.md` 时会自动跑检查；不涉及则不打扰。\n\n**手动跑：** `bash scripts\u002Fcheck-consistency.sh`\n\n**CI 兜底：** 即使本地未启用 hook，GitHub Actions（`.github\u002Fworkflows\u002Fconsistency.yml`）会在每次 push \u002F PR 触及受控文件时跑同一脚本。本地 hook 是开发期反馈，CI 才是真正的合并门。\n\n详情见根 `AGENTS.md` 的\"机械化检查\"段。\n\n## 🤝 参与贡献\n\n欢迎通过 Issue 和 PR 参与：\n- 补充概念笔记（`concepts\u002F` 中还有待补充的概念）\n- 分享你的独立思考（`thinking\u002F`）\n- 贡献实践案例（`practice\u002F`）\n- 推荐相关资源（`references\u002F`）\n\n## 📞 联系方式\n\n| 渠道 | 链接 |\n|------|------|\n| GitHub | [@deusyu](https:\u002F\u002Fgithub.com\u002Fdeusyu) |\n| X (Twitter) | [@0xdeusyu](https:\u002F\u002Fx.com\u002F0xdeusyu) |\n| Telegram | [@DeusThink](https:\u002F\u002Ft.me\u002FDeusThink) |\n| Telegram 交流群 | [@talkdeusyu](https:\u002F\u002Ft.me\u002Ftalkdeusyu) |\n| Telegram 频道 | [@lovedesuyu](https:\u002F\u002Ft.me\u002Flovedesuyu) |\n| Email | [rainman.deus@gmail.com](mailto:rainman.deus@gmail.com) |\n\n## Star History\n\n如果这个项目对您有帮助，请考虑为其点亮一颗 Star ⭐！\n\n[![Star History Chart](https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=deusyu\u002Fharness-engineering&type=Date)](https:\u002F\u002Fstar-history.com\u002F#deusyu\u002Fharness-engineering&Date)\n\n## 📄 License\n\nMIT\n","Harness Engineering 学习指南是一个旨在帮助工程师从概念理解到独立实践的深度学习档案，专注于OpenAI提出的新型工程范式——让AI智能体在人类设计的环境中可靠地完成任务。该项目通过详细的文档和实践案例介绍了六大核心概念，包括将仓库作为记录系统、构建智能体可读性高的环境以及实施机械化执行等技术特点。适合对AI工程化感兴趣，并希望探索如何有效利用AI智能体来提高开发效率和质量的开发者或团队使用。项目采用Shell脚本编写，拥有MIT许可证，提供了丰富的学习资源与实践经验分享。",2,"2026-06-11 03:51:18","high_star"]