小編精選 - 技術文章翻譯 · 05月23日

AI Harness 企業級落地實踐（一）

一、前言

今年 AI 圈非常躁動，除了全民養龍蝦，Harness 也在技術圈掀起了不小的波瀾。

與 open claw 不同的是，Harness 不是一個服務大眾的產品。通俗來說，Harness 是把工程學的思維，落地成範式並約束在 Agent 上，讓 Agent 能夠更規範、更穩定地工作。

Harness 是什麼？

想像一下在廣袤的草原上，一群駿馬飛快地馳騁著，它們就是 AI，有時候難免會跑偏。此時一位猛男，拿著馬具跳到馬背上，三下五除二就讓駿馬一直沿著正確的道路飛奔！

這個馬具就是 Harness！👉 套馬的漢子，你威武雄壯~

關於 Harness 更具體的定義可以參考以下文獻：OpenAI Harness 深度長文、Harness Engineering 即控制論

今天筆者的核心：詳細拆解 Harness 工程的設計和落地。

同時，也會把這套實踐開源，讓每個開發者都能快速用上 Harness，解決「萬事開頭難」的哲學難題

快速、低成本地替自己的專案加上 Harness 範式
享受 OpenSpec + oh my xcode 帶來的高品質方案設計和程式碼交付
輕易自訂，建設更適合自己團隊的 Harness 專案工程

開源專案地址：github.com/WxqKb/cow-h…

你的 [Star] 將是我的核動力✨

二、基礎軟體工程理念

Software Process Improvement（SPI）

前面我們講到，Harness 簡單理解就是讓 AI 大模型能嚴格按照軟體工程的體系，執行方案分析設計、程式碼開發、測試驗證等流程，從而高效完整地完成工作。

這次 Harness 的搭建，使用軟體工程中一個比較標準的體系：《軟體過程改進閉環》

立項決策 → 需求規劃 → 評審規範 → 實施驗證 → 復盤改進

在整個工程中，我們把複雜的需求拆解為以下環節，從而契合 CMMI 與敏捷 Scrum 的迭代研發標準框架：

Decisions → Plans → Reviews → Specs → Verifications → Retros

軟體工程標準專業名詞
所屬體系
decisions
基線決策 / 變更決議 / 技術決策
CMMI、敏捷
plans
迭代規劃 / 專案計畫 / 里程碑計畫
敏捷 Scrum、軟體工程
specs
需求規格說明（SRS）/ 技術規範 / 基線規範
軟體工程、CMMI
reviews
同行評審 / 階段評審 / 品質門禁評審
CMMI、ISO 軟體工程
verifications
驗證，Verification（V）
CMMI
retros
流程復盤 / 迭代回顧 / 流程改進回顧
Scrum、SPI

三、框架選型和落地

1. 技術選型

Harness 的搭建，需要把這些軟體流程落成約束範式，把每一個環節都拆細，比如：

需求理解階段：用腦力激盪（brainstorming）的模式，讓 AI 覆蓋更多邊界場景思考出來
技術方案設計：我們會用 superpower（brainstorming、writing-plans），透過不斷追問，從頂層設計、全端鏈路、風險前置等維度，與研發人員進行確認，完整覆蓋邊界場景
方案評審：嚴格的流程，指定對應 superpower 的技能，進行智慧評審，對方案進行評分。同時設置門禁，必須由研發人員同意才能繼續往下實施
任務實施：拆分完的 Task，我們透過 omx、using-git-worktrees 進行編排。它會自動把具體任務分配給合適的 Agent，達到更高效的編排和更完美的實施
等等……

2. 腳手架設計

csharp 体验AI代码助手 代码解读复制代码cow-harness/
├── README.md                  
├── project.profile.md         # AI 生成的專案基礎資訊画像
├── context-map.md             # AI 生成的專案模組/上下文邊界地圖
├── project.verification.md    # AI 生成的專案級驗證規則
│
├── core/                      # 通用 Harness 規則（核心約束）
│   ├── harness.md             # Harness 核心理念與總體約束
│   ├── routing.md             # 任務路由表與分發規則
│   ├── artifacts.md           # 流程產物格式與存放規範
│   ├── verification.md        # 驗證門禁與完成標準
│   └── runbooks.md            # 各類任務的標準操作手冊
│
├── init/                      # 新專案初始化
├── entrypoints/               # AI 入口檔案模板（CLAUDE.md 等）
├── adapters/                  # 各編程工具適配模板（.cursor/ 等）
├── scripts/                   # 內部腳本，初始化會呼叫
└── artifact-templates/        # 流程產物模板

core 層是核心的約束
- routing 路由表會判定使用者的任務屬於 SPI 的哪個流程，進而決定使用什麼工具和流程
- runBooks 執行手冊會說明哪些環節使用什麼技能
- artifacts 會約束流程產物的規範，並且沉澱成專案級別的知識庫；
- verification 會規定驗證和准入標準
init 層，支援一句話，讓 AI 在你的專案中部署 Harness，將工具適配層、入口檔案等投射到你的專案根目錄中。
- 同時閱讀你的專案，生成屬於你專案的資訊画像。
- 這一步非常重要，完成初始化後，你在讓 AI Agent 工作的時候，自然就會按照 Harness 的約束去執行任務了
entrypoints，AI 執行指令時會先找到專案目錄下的入口檔案。
- 比如 GPT 會載入 AGENT.md，Claude 會載入 CLAUDE.md
- init 的時候，會把入口檔案投射到專案中，重新啟動 AI Agent，查看預設上下文，你就會發現對應的入口檔案都被載入進去了

adapters：AI 編碼工具的適配層，需要指定主流工具嚴格進入入口檔案，進入 Harness 約束

3. 一些粗淺的設計理念

Harness 其實也是軟約束，init 做好最基礎的工作，達到可用狀態
檔案投射到專案本地，最大的好處是**你完全可以根據自己的實作，去修改 Harness 約束**
沒有提供 SDK、npm 套件等接入方式，最直接把 cow-harness 複製到你的專案中，自由度完全開放給開發者。我們希望，每個人都能深度參與到對 AI 的管控，直到成為你團隊內完全可複用的 AI 規範
長期來看，大模型的能力提升會弱化 Harness 的作用。但**約束的設計思維，必然與時俱進**

四、接入步驟

專案複製
把 cow-harness 專案 fork/下載下來，透過 git submodule 引導到你的專案中（或者直接把 cow-harness 資料夾放在專案中）
閱讀 README，執行 init，這一步 AI 會：

安裝相關的 skills
生成專案画像
投射必要的檔案到本地
建立產物結構目錄

不要手工閱讀和執行每一步，請務必相信 AI 比我們做得好。直接把下面這段話發給 AI：

bash 体验AI代码助手 代码解读复制代码請先讀取 cow-harness/README.md 和 cow-harness/init/bootstrap.prompt.md。
這是一個新專案剛接入 Agent Harness，請按 Harness 初始化流程處理：
1. 從 cow-harness/entrypoints/ 投影根目錄 AI 入口檔案。
2. 從 cow-harness/adapters/ 投影工具適配目錄。
3. 建立 .ai-runtime-artifacts/ 及其子目錄。
4. 如需安裝或檢查 AI runtime，請先說明會修改哪些本機環境，然後由你執行 cow-harness/scripts/install-ai-skills.sh。
5. 讀取 cow-harness/init/project-profiler.prompt.md。
6. 掃描目前專案，生成或更新 cow-harness/project.profile.md、cow-harness/context-map.md、cow-harness/project.verification.md。
7. 由你執行 cow-harness/scripts/harness-check.sh。
8. 彙總推斷項、待確認項和驗證結果。

開始執行任務
重新啟動 AI 終端，開啟你的 cow-harness 之旅

五、自我 QA 環節

接入之後，是不是所有任務都必然會走到 harness 約束中？
答：理論上是的，但是我們會判斷這個任務的量級，小任務會直接放行
harness 的約束能否達到 100%？
答：否！harness 也是軟約束，你甚至可以理解成是 prompt 超集，在實踐中我們正常的提問都可以命中，同時我們在產物中明確說明了推理過程中使用了哪些技能
這個專案的目的是？
答：核心只有一個：幫助部分同學解決 Harness「萬事開頭難」的問題。這是個非常簡單的基礎建設，你開始之後可以輕鬆隨意植入自己的想法，去約束 AI，加入新的技能包
如何加自己的技能包？
答：能用開源的盡量用開源的，社群的 Star 和實踐踩坑，能讓你少走很多彎路。內部自訂的 Skills，請用 skills-create 這個官方技能包去建立
如果用了 Harness 還是不理想怎麼辦？
答：如果有更好的，那就換 cow-harness。這終究是一個軟約束，模型能力的提升能讓我們當下的約束被取代。然而往下探究，當 prompt 約束不夠了，就需要干涉到更底層，比如 Agent 內部的編排邏輯，比如構建你公司專案的知識庫，等等