Harness Engineering
超越 Prompt Engineering 与 Context Engineering，掌握 2026 年 AI Agent 系统设计的核心范式
一把 key 调 Claude、GPT 与国产模型，把本文的做法直接跑起来。
- 按 token 计费，实时单价见 /models
- 支付宝、微信支付、信用卡、加密货币均可付款
- 充值后自助开通、立刻生效
更新于 2026-11-07
三代工程范式演进
从「如何写好提示词」到「如何构建可靠 Agent 系统」
Prompt Engineering
专注于如何撰写更好的输入指令
Context Engineering
设计模型能「看见」什么——记忆、工具、文档
Harness Engineering
设计 Agent 运行的完整环境：约束、反馈循环、生命周期管理
核心公式：Agent = Model + Harness
如果你不是模型，你就是 Harness 的一部分。Harness 是让 AI Agent 可靠运行的一切基础设施——CLAUDE.md、MCP 工具、Hooks 自动化、权限约束、反馈机制。
Agent
Model
Harness
Harness 的四大组成部分
约束系统（Constraints）
定义 Agent 能做什么、不能做什么。Claude Code 的权限设置、工具访问控制、CLAUDE.md 中的项目规范
反馈循环（Feedback Loops）
让 Agent 知道任务是否成功。测试结果、代码 lint、CI/CD 信号、人工审核检查点
上下文脚手架（Context Scaffolding）
为 Agent 提供恰到好处的信息。CLAUDE.md 项目记忆、MCP 工具集成、RAG 文档检索
生命周期管理（Lifecycle Management）
管理 Agent 的启动、执行和停止。Hooks 自动化、任务队列、异常处理、会话持久化
QCode 企业团队版：现成的 Harness 基础设施
QCode 企业团队版提供独立管理后台、子 API Key 权限管理、用量监控——这些本身就是一套完整的 Harness。让你的团队专注于业务逻辑，而不是基础设施搭建。
开始构建你的 AI HarnessHarness Engineering 实操：概念出处、harness 由什么组成、从哪里开始
这个词从哪来
Harness engineering 指围绕模型搭建一切、让 agent 能可靠干活的那部分工作。2026-02-11，OpenAI 发表《Harness engineering: leveraging Codex in an agent-first world》，介绍一个团队用 Codex 构建内部产品、不手写一行代码的实验。文中的概括是 Humans steer. Agents execute.，并说团队的主要工作变成了 design environments, specify intent, and build feedback loops that allow Codex agents to do reliable work。
Anthropic 也用这个词：其工程博客 2025-11-26 的文章《Effective harnesses for long-running agents》把 Claude Agent SDK 称为 a powerful, general-purpose agent harness；2026-06-02 的 Claude 博客文章则说，有了动态工作流，Claude 可以 write its own harness on the fly。
OpenAI 文章里的四个做法
文章也提醒：这些效果高度依赖该仓库特定的结构和工具，没有类似投入时，不应假设可以照搬。
- 给地图，不给手册：AGENTS.md 保持简短（OpenAI 的约 100 行），当作目录指向仓库里更详细的文档。原话是 give Codex a map, not a 1,000-page instruction manual。
- 仓库就是事实来源：agent 运行时在上下文里接触不到的东西，对它来说等于不存在，所以设计文档、执行计划、技术债清单都版本化放进仓库。
- 用机械手段守住架构：自定义 linter 与结构测试强制依赖方向、结构化日志、文件大小上限，lint 报错信息里直接写给 agent 的修复指引。
- 持续「垃圾回收」：把「黄金原则」写进仓库，定期由后台 Codex 任务扫描偏离之处并提交小的重构 PR。
Anthropic 的长任务 harness
Anthropic 的方案分两部分：首次运行时由 initializer agent 搭好环境，包括 init.sh 脚本、记录 agent 做过什么的 claude-progress.txt 和首个 git 提交；之后每个会话的 coding agent 一次只做一个功能，逐步推进，结束时写 git 提交并更新进度文件。
功能清单用 JSON 写，文章称模型不当修改或覆盖 JSON 文件的可能性比 Markdown 小；每个功能初始标为 failing，只有认真测试之后才改成 passing。文章还报告，给 Claude 提供浏览器自动化之类的测试工具、要求它像真实用户一样端到端测试，性能明显提升。
在 Claude Code 或 Codex 里搭第一个 harness
这些都是本地配置，跟用哪家模型服务无关。接 QCode 时，Claude Code 与 Claude Agent SDK 设置 ANTHROPIC_BASE_URL=https://api.qcode.cc/api，Codex 在 config.toml 里填 base_url = https://api.qcode.cc/openai，同一把以 cr_ 开头的密钥两边通用。按 token 计费，各模型单价见 /models。
- 指令：Claude Code 在每次会话开始时读取 CLAUDE.md（/init 可以生成初稿）；Codex 读取 AGENTS.md，~/.codex/AGENTS.md 是全局层，项目里的文件逐级叠加，默认合并上限 32 KiB。
- 约束：Claude Code 的权限规则按 deny、ask、allow 的顺序匹配；Codex 的沙箱与审批设置在父会话上配置，子代理沿用。
- 反馈：Claude Code 的 hooks 在 PreToolUse、PostToolUse、Stop 等节点运行，PreToolUse 的 hook 以退出码 2 退出就能拦下这次工具调用；Codex 也提供 PreToolUse、PostToolUse、Stop 等 hooks。
- 复用：把固定流程写成 skill（一个 SKILL.md 文件），或让 Claude Code 用动态工作流为具体任务生成 harness。
- 衔接：照 Anthropic 的做法保留进度文件和 git 提交，让下一个会话能接着上一个的进度干。
Harness Engineering 常见问题
什么是 harness engineering？
设计 AI agent 的工作环境，让它稳定产出可靠结果：包括它读的指令、能用的工具与权限、测试和 linter 之类的反馈循环，以及跨会话记录进度的方式。OpenAI 2026-02-11 的文章就以《Harness engineering: leveraging Codex in an agent-first world》为题。
Harness engineering 和 prompt engineering、context engineering 有什么不同？
Prompt engineering 关心指令怎么写，context engineering 关心模型能看到什么；harness engineering 覆盖整个工作环境：约束、反馈循环、跨会话的记忆与生命周期控制。按 OpenAI 的说法，工程师的工作转向设计环境、明确意图、搭建反馈循环。
Claude Code 本身算 harness 吗？
算。Anthropic 的工程博客把 Claude Agent SDK 称为通用的 agent harness，Claude 博客也写道默认的 Claude Code harness 是为编程而建的。你在它之上加的 CLAUDE.md、权限、hooks、skills 和工作流，就是你项目自己的 harness。
一个 harness 包括哪些部分？
实用清单：一份当地图用的指令文件（CLAUDE.md 或 AGENTS.md）；权限规则或沙箱；来自测试、linter、CI 和 hooks 的反馈；让新会话快速接手的进度文件加 git 历史；以及 skills、保存下来的工作流这类可复用流程。
从哪里开始最好？
先写一份简短的 CLAUDE.md 或 AGENTS.md，指向更详细的文档；加一个跑测试的 hook 或 CI 检查；把工作拆成每个会话一个功能；保留一个由 agent 在会话结束时更新的进度文件。等看到 agent 以可重复的方式出错时，再补更多结构。
在国内没有境外信用卡，怎么付款开通 QCode 来跑 Claude Code 和 Codex？
可以用支付宝或微信支付，无需境外信用卡；也支持信用卡（Visa / Mastercard）、Apple Pay、Google Pay 和加密货币（多币种多网络）。一把 Key 调用 Claude、GPT 与主流国产模型；全程自助，几分钟上手。