Harness搭建从零到完整：12节课程+模板

先说说你可能踩过的坑：用 Claude Code 或 Codex 在一个项目里干活，开头看着挺靠谱——读文件、写代码、步步推进。然后，毫无预兆地，它突然跳了一个步骤，测试挂了，丢下一句“done”，实际根本跑不通。收拾这些烂摊子花的时间，往往比你自己从零写还要多。

问题的根源不在模型本身，而在于它缺少一个可控的工作环境。Anthropic 做过一组非常直观的对比实验：同一个模型（Opus 4.5）、同一个提示词（“做一个 2D 复古游戏编辑器”）。在没有 harness 的情况下，花了近 分钟，产出的东西完全不能运行。而配备完整 harness 的场景呢？耗时 200 小时、6 天时间，最终生成的游戏是可玩的。产出天差地别，模型没有变——只是它工作的方式变了。

这就是今天要深入探讨的 Harness Engineering。这套开源课程系统性地教你搭建这样的工作环境：12 节课、6 个实战项目、支持 13 种语言，并且采用 MIT 协议开放。

课程地址：https://github.com/walkinglabs/learn-harness-engineering
文档站：https://walkinglabs.github.io/learn-harness-engineering/

Harness 究竟是什么

一句话概括：它是围绕 AI coding agent 构建的工程化工作台，核心目标是把模型的输出从“碰运气”变成“可预期”。你不需要在更巧妙的提示词上消耗精力，而应该设计模型运行其间的系统结构。

这个系统包含五个核心子系统：

• Instructions：告诉 agent 该做什么、按什么顺序执行、开始前需要先读取哪些上下文。不是一份巨型指令文件，而是按需触发的渐进式指引。
• State：记录已完成的任务、当前在做的步骤以及下一步计划。直接写入磁盘，确保下次会话可以无缝衔接。
• Verification：只有通过测试才算真正完成。agent 自己说“我觉得好了”不能算数。
• Scope：一次只专注一件事。避免贪多，杜绝半途而废。
• Session Lifecycle：会话开始时初始化，结束时清理，为下一次运行留下干净的起点。

学习路径设计

课程提供三种切入方式：讲义、项目、资料库。你可以根据自己的学习习惯选择任意一条路线开始。

课程如何展开

整个体系分为六个阶段，每个阶段包含两节课加一个动手项目：

• 阶段一：看清问题——用完全相同的任务跑两遍：一遍纯靠提示词，另一遍带 harness，然后把结果直接放在一起对比。
• 阶段二：整理仓库——让 agent 清晰理解你项目的目录结构和文件关联。
• 阶段三：打通会话——跨 session 保持上下文连贯，不让每次新会话都从零开始。
• 阶段四：反馈与约束——引入运行时反馈循环，并设定明确的边界范围。
• 阶段五：自验证——让 agent 学会自行检查自己的交付结果。
• 阶段六：完整 harness——从零搭建一套完整的工程化系统，作为最终的毕业项目。

所有项目围绕同一个产品推进：一个基于 Electron 的本地知识库桌面应用。特别的是，每个项目的 solution 恰好是下一节的 starter，应用功能随着课程进度逐步迭代。

时间安排上：一个阶段大约需要一周（业余节奏），而前三个阶段其实一个长周末就能搞定。

快速上手指南

你不需要学完 12 节课才能动手。在项目根目录下放四个文件，就能立即跑起来：

├── AGENTS.md <-- agent 的操作手册
├── init.sh <-- 安装、校验、启动
├── feature_list.json <-- 功能列表和完成状态
├── claude-progress.md <-- 每次会话记录

课程的 Resource Library 里已经准备了现成的模板文件，直接复制到你的项目中即可使用。

最后几点

仓库中还附带了一个 harness-creator 技能，能帮你在几分钟内为任意项目生成一套生产级的 harness 脚手架。

项目地址：https://github.com/walkinglabs/learn-harness-engineering