Harness Engineering 学习指南 (deusyu)
来源：https://github.com/deusyu/harness-engineering 仓库：https://github.com/deusyu/harness-engineering 收录时间：2026-05-18
概述
一个从概念理解到独立实践的 Harness Engineering 深度学习档案。作者 deusyu 从阅读原文、拆解概念、形成思考、动手实践到输出作品，完整记录了学习过程。
核心理念：
传统工程：人类写代码 → 机器执行代码 Harness Engineering：人类设计约束 → 智能体写代码 → 机器执行代码 核心转变：工程师的产出从代码变成了约束系统
六大核心概念
1. 仓库即记录系统
不在仓库里的东西，对智能体不存在。Slack 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。
2. 地图而非手册
AGENTS.md ~100 行入口文件，指向更深层的文档。渐进式披露。巨型指令文件三个死因：挤占上下文、无法维护、无法机械验证。
3. 机械化执行
文档会腐烂，lint 规则不会。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。
4. 智能体可读性
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。
5. 吞吐量改变合并理念
PR 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，这是正确的选择。
6. 熵管理 = 垃圾回收
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。
实战数据
| 指标 | 数据 | |------|------| | 团队规模 | 3 人 → 7 人 | | 时间跨度 | 5 个月 | | 代码量 | ~100 万行 | | PR 数量 | ~1,500 个 | | 人均日 PR | 3.5 个（扩展后仍在增长） | | 单次运行时长 | 6+ 小时（通常在人类睡眠时间） | | 效率估算 | 手工编写的 ~1/10 时间 |
Ralph Wiggum 循环 — Harness 核心实现模式
让智能体在循环中自主工作直到任务完成。
| 项目 | Stars | 说明 | |------|-------|------| | snarktank/ralph | 13.6k | 原版：bash 脚本反复启动 AI，每次迭代清空上下文，直到 PRD 全部完成 | | ralph-orchestrator | 2.3k | Rust 进化版：Hat 角色系统 + 事件驱动 + 多后端 + 背压门控 | | bmad-ralph | 2 | BMAD + Ralph：并行 worktree + 三层自愈 + SQLite 状态机 |
Ralph 六条信条 vs Harness 概念
| Ralph 信条 | Harness 对应 | |-----------|-------------| | Fresh Context Is Reliability | 智能体可读性 — 每次迭代重新读取 | | Backpressure Over Prescription | 机械化执行 — 门控拒绝坏结果 | | The Plan Is Disposable | 熵管理 — 重新生成成本很低 | | Disk Is State, Git Is Memory | 仓库即记录系统 | | Steer With Signals, Not Scripts | 人类掌舵 — 加路标，不加脚本 | | Let Ralph Ralph | 智能体执行 — 坐在循环上，不坐在循环里 |
学习路径（五阶段）
- Phase 1：理解核心概念 — 8 篇概念笔记
- Phase 2：形成自己的观点 — 6 篇独立思考
- Phase 3：选一个小项目实践 — Ralph Demo（321 秒，$0.31）
- Phase 4：记录反馈迭代 — 持续中
- Phase 5：输出可展示的作品 — 12 篇专业翻译 + 1 篇原创
翻译作品（12 篇）
| 作品 | 原作者 | 来源 | |------|--------|------| | ⭐ 渴望了八年，用 AI 三个月造出来 | Lalit Maganti | 个人博客 | | Inside the Scaffold 论文 | Benjamin Rombaut | Huawei/arXiv | | Meta-Harness 论文 | Yoonho Lee 等 | Stanford/arXiv | | Harness Engineering 正式版 | Birgitta Böckeler | Martin Fowler | | Harness Engineering 备忘录 | Birgitta Böckeler | Martin Fowler | | Encoding Team Standards | Rahul Garg | Martin Fowler | | Feedback Flywheel | Rahul Garg | Martin Fowler | | Scaling Managed Agents | Lance Martin 等 | Anthropic | | Agent Evaluation Checklist | LangChain 团队 | LangChain | | Agent-driven Development | Tyler McGoffin | GitHub | | Continual Learning | Harrison Chase | LangChain | | Codex 编排开源规范 Symphony | Kotliarskyi 等 | OpenAI |
参考资源脉络（19 篇 + 3 篇延伸）
| 脉络 | 覆盖 | 核心视角 | |------|------|---------| | AI 时代的 Harness Engineering | 16 篇 | OpenAI → Fowler → Anthropic → LangChain → Stanford | | 云原生 Harness.io | 2 篇 | CI/CD 平台架构（同名不同义） | | 效率悖论与能力进化 | 1 篇 | YDD 系统性拆解 |